برآورد بارکل رسوب رودخانه ها توسط شبکه های عصبی مصنوعی MLP, RBF
Publish place: 11th Iranian Hydraulic Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,270
This Paper With 8 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:
IHC11_125
تاریخ نمایه سازی: 19 اسفند 1391
Abstract:
برآورد بارکل رسوبی برای طیف وسیعی ازمسائل طراحی و قضاوت های مهندسی ازقبیل طراحی مخازن سد ها انتقال رسوب دررودخانه ها طراحی کانالهای بتنی حوضچه های رسوبگیر و ارزیابی اثرات زیست محیطی مورد نیاز می باشد تاکنون تعدادزیادی از مدلهای فیزیکی و تجربی جهت براورد باررسوبی مورد استفاده قرارگرفته است اما دقت نتایج این مدلها ازنظر منطبق بودن با واقعیت سوال برانگیز میباشد اخیرا روش شبکه عصبی مصنوعی درشاخه های مختلف علمی به کارگرفته شده است این روش یک مدل غیرخطی می باشد و بنظر می رسد روش مفیدی برای تخمین بارکل رسوبی باشد تحقیق حاضر کارایی روش شبکه عصبی مصنوعی را برحمل باررسوب کل با استفاده ازنرم افزار MATLAB ارزیابی می کند نتایج این تحقیق نشان داده است که شبکه عصبی MLP توانسته است بارکل رسوب را با دقت بالایی پیش بینی نماید.
Keywords:
Authors
سیداحمد احمدی
دانشجوی کارشناسی ارشد سازه هیدرولیکی
امین فلامکی
استادیار دانشگاه پیام نور
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 :