قابلیت شبکه های عصبی مصنوعی جهت مدل سازی چند ایستگاهه بار معلق در مقایسه با روش منحنی سنجه رسوب
Publish place: The Journal of Water and Soil، Vol: 19، Issue: 2
Publish Year: 1388
نوع سند: مقاله ژورنالی
زبان: Persian
View: 147
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WASO-19-2_007
تاریخ نمایه سازی: 15 اسفند 1401
Abstract:
رسوبات حمل شده توسط رودخانه می تواند باعث بوجود آمدن خساراتی به اراضی کشاورزی و تاسیسات آبی گردد. برآورد صحیح بار رسوب در تاسیسات آبی مانند سدها باعث جلوگیری از صرف هزینه های اضافی خواهد شد. کشور ما ایران با دارا بودن رودخانه های متعدد، پتانسیل بالایی جهت ایجاد سد دارد. یکی از دلایل آن کاهش یافتن ظرفیت انتقال آب توسط مقطع رودخانه به دلیل انباشتگی رسوبات می باشد. لذا بررسی پدیده رسوب و برآورد رسوب حمل شده توسط رودخانه اهمیت خاصی دارد. در این راستا تخمین بار معلق رسوب، توجه مدل ساز های شبکه های عصبی مصنوعی را به خود معطوف کرده است. در این تحقیق از شبکههای عصبی مصنوعی برای برآورد رسوب ایستگاه آخولا واقع بر روی رودخانه آجیچای در استان آذربایجان شرقی استفاده شد. اطلاعات این ایستگاه شامل دبی و رسوب روزانه می باشد. در مراحل مختلف برآورد اثر ترکیبی عوامل مختلف دبی آب و دبی رسوب در کارایی شبکه، مورد بررسی قرار گرفت. به منظور بررسی تاثیر رسوب و دبی ایستگاه های بالادست، علاوه بر داده های ایستگاه آخولا از داده های ایستگاه های ونیار و مرکید نیز برای آموزش شبکه عصبی بکار رفت که بهترین نتیجه را در پی داشت. از روش کلاسیک منحنی سنجه نیز برای برآورد رسوب این ایستگاه استفاده گردید. برای بهینه سازی ضرایب رگرسیونی منحنی سنجه از الگوریتم ژنتیک استفاده شد و البته نتایج بهتری نسبت به روش کلاسیک نداد. با توجه به نتایج بدست آمده تخمین با رسوب در چند ایستگاه با استفاده از شبکه های عصبی، کارآیی بهتری داشت.
Keywords:
Authors
محمدتقی اعلمی
دانشکده عمران، دانشگاه تبریز
وحید نورانی
دانشکده عمران، دانشگاه تبریز
حمید نظم آرا
دانشکده عمران، 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 :