تخمین زمانی و مکانی بار معلق رودخانه آجی چای با استفاده از زمین آمار و شبکه عصبی مصنوعی
Publish place: The Journal of Water and Soil، Vol: 22، Issue: 4
Publish Year: 1391
نوع سند: مقاله ژورنالی
زبان: Persian
View: 172
This Paper With 12 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_WASO-22-4_015
تاریخ نمایه سازی: 25 دی 1401
Abstract:
پدیده انتقال رسوب در رودخانهها از پیچیدهترین مباحث مهندسی رودخانه بوده و همواره مورد توجه کارشناسان و مهندسین آب میباشد. یکی از مشکلات عمده که سازههای هیدرولیکی بنا شده در یک رودخانه را تهدید میکند مساله انتقال و انباشت رسوبات میباشد. لذا ارائهی راهکارهای نوین جهت برآورد دقیق بار معلق عبوری از مقاطع مختلف رودخانهها در مقیاسهای زمانی مختلف، نقش بسزایی در پیشبرد صحیح مطالعات مهندسی رودخانه خواهد داشت. نظر به اینکه آماربرداری رسوب معلق در اکثر ایستگاههای رسوب سنجی کشور در مقیاس زمانی روزانه و به صورت نامنظم انجام میپذیرد در صورت نیاز به تخمین رسوبات معلق ماهانه در یک مقطع مشخص از رودخانه، لازم است این برآورد با استفاده از مدلهای زمانی و مکانی دقیقتر انجام پذیرد. در تحقیق حاضر با استفاده از شبکه عصبی مصنوعی و علم زمین آمار و با ادغام آنالیز سریهای زمانی با آنالیز سریهای مکانی به ارائه یک مدل جامع، جهت تخمین بار معلق ماهانه در طول رودخانه آجیچای اقدام گردیده است. بدین منظور با استفاده از شبکه عصبی مصنوعی اقدام به داده سازی منطقی در مقیاس زمانی ماهانه نموده و به وسیله تخمینگرهای تک پارامتری کریجینگ و چند پارامتری کوکریجینگ با منظور نمودن دبی جریان به عنوان پارامتر کمکی، مقدار بار معلق رسوبی ماهانه، در طول رودخانه آجی چای برآورد گردیده است. نتایج نشان دادند ضمن معتبر بودن هر دو مدل کریجینگ و کوکریجینگ در منطقه مورد مطالعه روش کوکریجینگ در مقایسه با روش کریجینگ در برآورد مکانی بار معلق ماهانه نتایج بهتری را ارائه میدهد.
Keywords:
Authors
سمیرا طلوعی
دانشکده کشاورزی دانشگاه تبریز
علی حسین زاده دلیر
دانشکده کشاورزی دانشگاه تبریز
محمدعلی قربانی
دانشکده کشاورزی دانشگاه تبریز
احمد فاخری فرد
دانشکده کشاورزی دانشگاه تبریز
فرزین سلماسی
دانشکده کشاورزی دانشگاه تبریز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :