تخمین دبی بار معلق رسوب با استفاده از بهترین ساختار شبکه عصبی مصنوعی در حوزه آبخیز طالقان
Publish place: Journal of Water and Soil Science، Vol: 18، Issue: 68
Publish Year: 1393
نوع سند: مقاله ژورنالی
زبان: Persian
View: 316
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWSS-18-68_008
تاریخ نمایه سازی: 22 اردیبهشت 1400
Abstract:
پیشبینی میزان بار رسوب منتقل شده توسط رودخانهها، یکی از جنبههای مهم مدیریت رودخانهها، مخازن سدها و به طور کلی پروژههای آبی به شمار میرود. در تحقیق حاضر به منظور پیشبینی بار معلق رسوب رودخانه طالقان با استفاده از شبکه عصبی مصنوعی و شناسایی شبکه بهینه با بالاترین دقت، از ۵۰۰ داده روزانه متغیرهای دبی روز مورد نظر، دبی یک روز قبل، اشل و وضعیت هیدروگراف (به ترتیب با میانگین ( m۳/s ) ۸۳/۱۳، ( m۳/s ) ۴۲/۱۵، ( cm )۸۳/۸۹ و۰۳۶/۰-) به عنوان ورودی مدل و ۵۰۰ داده روزانه بار معلق رسوب متناظر، به عنوان خروجی مدل استفاده شد. دادههای مورد استفاده مربوط به بازه زمانی ۱۳۸۴- ۱۳۶۳، میباشد. با ایجاد ترکیبهای متفاوتی از متغیرهای ورودی و هم چنین با تغییر تعداد نرونهای لایه پنهان و تابع آستانه، ۸۰ شبکه عصبی متفاوت ایجاد شد، که با مقایسه دو پارامتر R۲ و RMSE در مدلهای مختلف، دقت آنها بررسی شد. نتایج نشان داد که شبکه عصبی با ساختار ۱-۹-۳ و با ترکیب پارامترهای ورودی شامل دبی روز مورد نظر، دبی یک روز قبل و اشل، با R۲ و RMSE آزمون، به ترتیب۹۷/۰ و ۰۶۸/۰ دارای بالاترین دقت میباشد. بر اساس نتایج حاصل از شبکه ۱-۹-۳، میانگین دادههای رسوب مشاهداتی و پیش بینی شده توسط مدل بهینه (مربوط به بخش آزمون)، به ترتیب۸۰۲/۱۱۲۲ و ۹۲۴/ ۱۱۸۴ (تن در روز) میباشد.
Keywords:
Sediment load , Discharge , Hydrograph condition , ANN , Taleghan river. , رسوب , دبی , وضعیت هیدروگراف , ANN , رودخانه طالقان
Authors
سمانه رضوی زاده
Sari Agric. Sci. & Natur. Resour. Univ., Sari, Iran.
عطااله کاویان
Sari Agric. Sci. & Natur. Resour. Univ., Sari, Iran.
مهدی وفاخواه
Tarbiat Modares Univ., Tehran, Iran.