شبیه سازی بار معلق رسوب رودخانه با استفاده ازشبکه های عصبی مصنوعی؛مطالعه موردی رودخانه شاپور ایستگاه چیتی
Publish place: 6th National Conference on Watershed Management and Soil and Water Resources Management
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 631
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCWMSWRM06_139
تاریخ نمایه سازی: 21 تیر 1393
Abstract:
رسوبات حمل شده توسط رودخانه ها می تواند باعث بوجود امدن خساراتی به طبیعت، کشاورزی و تاسیسات آبی گردد . بررآوردصحیح بار رسوبی در تاسیسات آبی (مانند سد) باعث جلوگیری از حرف هزینه های اضافی خواهد شد. کشور ما ایران با دارا بودن رودخانه هرای متعدد، پتانسیل بالایی جهت احداث سد دارد و از طرفی همه ساله سیل در نقاط مختلف باعث ایجاد خسارت های فراوانی می گردد کره یکی از دلایل آن کاهش یافتن ظرفیت حمل آب توسط مقطع رودخانه بدلیل انباشتگی رسوبات می باشد. لذا بررسری پدیده رسوب و براورد رسوب حمل شده توسط رودخانه اهمیت خاحی خواهد داشت. در این راستا جهت تخمین بار معلق رسوب بره جای استفاده از روش کلاسیک از روش های هوشمند سازی شبکه های عصبی مصنوعی که با پدیده های طبیعی سازگارتر هستند، استفاده شده است بدین منظور از داده های اندازه گیری شده دبی و رسوب رودخانه شاپور ایستگاه چیتی از سال 1371 تا 1390 استفاده شده است . به منظور مقایسه و ححت سنجی کارایی روش های مختلف مورد استفاده در تحقیق از معیارهای ارزیابی خطا از جمره MSE , RMSE, SSE و ضریب همبستگی استفاده شده است. نتایج این تحقیق حاکی از دقت و برتری نسبی مدل شبکه های عصبی با تعداد لایه 4 و تعداد نرون 25 در هر لایه و با تابع انتقال TANSIG نسبت به بقیه مدل ها می باشد.
Keywords:
Authors
مهرداد فریدونی
استادیار و عضو هیات علمی بخش عمران دانشگاه آزاد اسلامی لارستان.
امیرحسین پورغلام دارابی
دانشجوی کارشناسی ارشد مهندسی عمران - سازه های هیدرولیکی ، دانشگاه آزاد اسلامی لارستان.
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 :