پیشبینی ابعاد کانالهای پایدار مرکب رودخانه ای با استفاده از شبکه های عصبی مصنوعی
Publish place: 7th National Congress on Civil Engineering
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 781
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCE07_1121
تاریخ نمایه سازی: 16 مهر 1392
Abstract:
به منظور پیشبینی پاسخ رودخانههای آبرفتی به تغییرات مصنوعی و طبیعی اعمال شده شاید بتوان گفت اولین گام، شناخت و پیشبینی هندسه پایدار رودخانه است. مقطع اکثر جریانهای طبیعی یا رودخانهها مانند یک کانال مرکب میباشد و کانال اصلی رودخانه تحت شرایط سیلابی و غیرسیلابی گوناگون به پایداری رسیده است.کانالهای اصلی رودخانهها در اثر تغییرات شدت جریان و رسوب، شیب، عمق و عرض خود را بهگونهای تغییر داده و تنظیم مینمایند تا به حالت جدیدی از پایداری دینامیکی برسند.طراحی مناسب کانالها و بهینهسازی مقطع رودخانهها یکی از پیچیدهترین و مهمترین مبانی مهندسی رودخانه است که به دلیل پیچیدگی و دینامیکی بودن پدیده از معیارهای تجربی، نیمه تجربی و آماری که دقت مطلوبی ندارند برای طراحی و تعیین ابعاد کانالهای پایدار رژیمی استفاده میشود. در این مقاله مدلی جدید بر اساس سیستم شبکههای عصبی مصنوعی با استفاده از دادههای صحرایی وسیعی آموزش داده و آزمایش شده است. ضریب همبستگی شبکههای عصبی مصنوعی در مرحله آزمایش برای سه پارامترعرض، عمق و شیب رودخانهبه ترتیب برابر 0/9536و0/9433و0/8845 میباشد. همچنین نتایج مدل مذکور با نتایج حاصل از معادلات تجربی و نیمهتجربی مقایسه شده و ارجحیت متدولوژی مطرح شده بر روشهای تجربی سابق تأیید شده است
Keywords:
Authors
رضا بزرگمهر
دانشجوی کارشناسی ارشدسازه های هیدرولیکی
رضا میر
دانشجوی کارشناسی ارشدسازه های هیدرولیکی
غلامرضا عزیزیان
استادیاردانشگاه سیستان و بلوچستان زاهدان
غلامحسین اکبری
استادیاردانشگاه سیستان و بلوچستان
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 :