پیش بینی راندمان تله اندازی رسوب در سدهای تاخیری با استفاده از شبکه های عصبی
Publish place: 5th Iranian Water Resources Management Conference
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 984
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
WRM05_515
تاریخ نمایه سازی: 25 تیر 1393
Abstract:
شبکه عصبی مصنوعی از جمله روشهای جدید تخمین تغییرات پدیده ها می باشد که در شاخه های مختلف علوم کاربرد گسترده ای پیدا کرده است راندمان تله اندازی رسوب وحجم رسوبگذاری شده مخازن سدها نیز از جمله پدیده هایی است که می تواند با این روش مورد بررسی قرار گیرد. لذا هدف از انجام این تحقیق،تعیین راندمان تله اندازی رسوب در سدهای تاخیری در شرایط خروج سیلاب همزمان با ورود آن مد نظر می باشد. بدین منظور، آزمایشات در فلوم و مخازن ویژهای که در مرکز تحقیقات حفاظت خاک و آبخیزداری کشور ساخته شده بود، انجام گردید. با استفاده از تحلیل ابعادی عوامل بیبعد تعیین و در محدوده آزمایشات مقادیر آنها محاسبه گردید، سپس تاثیر این عوامل در تله اندازی بررسی شد و عوامل بی بعد موثر با استفاده از تحلیل همبستگی چندگانه مورد توجه قرار گرفت. همچنین روابط مناسبی بر اساس تحلیل عوامل بی بعد و مشخصه های سیلاب و مخزن با استفاده از همبستگی غیرخطی چند متغیره به منظور تعیین راندمان تله اندازی ارائه گردید.سپس با استفاده از شبکه های عصبی مصنوعی به پیش بینی راندمان تله اندازی رسوب در سد تاخیری و عوامل موثر در آن پرداخته مدل توسعه داده شده و با روش تحلیل ابعادی و روش تجربی و رگرسیونی مقایسه گردید نتایج نشان میدهد که مدل توسعه داده شده از توانایی بیشتری نسبت به روابط رگرسیونی برخوردارمیباشد.
Keywords:
Authors
امیر مرادی نژاد
مدرس مرکز آموزش علمی کاربردی شهید بابایی جهاد کشاورزی اراک ودانشجوی دکتری سازه های آبی دانشگاه لرستان
محمد خدابخشی
استادیار گروه ریاضی دانشگاه لرستان
عباس پارسایی
دانشجوی دکتری سازه های آبی دانشگاه لرستان
امیر حمزه حقی آبی
دانشیار گروه سازه های ابی دانشگاه لرستان
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 :