برآورد بار معلق رودخانه ها به کمک شبکه های عصبی و نروفازی (مطالعه موردی؛ بابل رود)
Publish place: National Conference on Water and Wastewater Engineering
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 1,315
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
NCWWE01_158
Index date: 28 August 2013
برآورد بار معلق رودخانه ها به کمک شبکه های عصبی و نروفازی (مطالعه موردی؛ بابل رود) abstract
به دلیل ساختار کاملاً غیرخطی پدیده رسوب، روش های کلاسیک و معمول مانند منحنی سنجه قادر بهتخمین صحیح دبی رسوبات نمی باشند. بنابراین، روش های نوین هوش مصنوعی از جمله؛ شبکه عصبی، فازی وسیستم استنتاج فازی- عصبی تطبیقی (نروفازی) برای مدل کردن آن مطرح شده اند. در این تحقیق ، با بهره گیری از روش های هوش مصنوعی نظیر شبکه عصبی پرسپت رون چند لایه (MLP) و تکنیک نروفازی (ANFIS)، مقدار رسوب معلق ایستگاه هیدرومتری قرآن تالار واقع بر رودخانه بابل رود برآورد گردید. در این راستا ترکیبات مختلفی بر حسب دبیهای با تأخیر زمانی به عنوان پارامترهای ورودی و دبی رسوب معلق بهعنوان خروجی شبکه در نظر گرفته شد. سپس با آموزش شبکه و تعیین ساختار مطلوب به کمک نرم افزار MATLAB، مناسب ترین مدل بر اساس شاخصهای آماری به دست آمد و با نتایج حاصل از روش کلاسیک منحنی سنجه رسوب مورد مقایسه قرار گرفت. نتایج نشان داد که روش ANFIS به دلیل این که اساس آن بر پایه قوانین منطقی بیان شده است، از دقت بالاتری نسبت به شبکه عصبی MLP و منحنی سنجه رسوب در برآورد بار رسوبات معلق رودخانهها برخوردار می باشد.
برآورد بار معلق رودخانه ها به کمک شبکه های عصبی و نروفازی (مطالعه موردی؛ بابل رود) Keywords:
برآورد بار معلق رودخانه ها به کمک شبکه های عصبی و نروفازی (مطالعه موردی؛ بابل رود) authors
عیسی کیاء
دانشجوی کارشناسی ارشد سازه های آبی، دانشگاه علوم کشاورزی و منابع طبیعی ساری
علیرضا عمادی
استادیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری
رامین فضل اولی
استادیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری
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 :