اثر کلاسه بندی دبی و تفکیک زمانی داده ها در برآورد بار معلق رودخانه ها به کمک شبکه عصبی مصنوعی (مطالعه موردی؛ بابل رود)
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 1,092
This Paper With 7 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:
NCUIMWR03_131
Index date: 6 March 2015
اثر کلاسه بندی دبی و تفکیک زمانی داده ها در برآورد بار معلق رودخانه ها به کمک شبکه عصبی مصنوعی (مطالعه موردی؛ بابل رود) abstract
برآورد صحیح دبی رسوب معلق رودخانه ها در مدیریت منابع آب اهمیت فراوانی دارد. در تحقیق حاضر با کلاسه بندی دبی و تفکیک زمانی داده ها، هفت مدل پیشنهاد گردید. برای برقراری رابطه رگرسیونی بین داده های دبی جریان و دبی رسوب مدل های پیشنهادی، بجای استفاده از منحنی سنجه با روش حداقل مربعات خطا که نیازمند انجام محاسبات نسبتاً طولانی می باشد، از روش شبکه عصبی پرسپترون چندلایه پیش خور با قاعده یادگیری LM استفاده شد. آنگاه مناسب ترین مدل بر اساس شاخص های آماری حداقل میانگین مربعات خطا و ضریب تبیین انتخاب گردید. در این راستا از آمار دبی متوسط جریان و غلظت متوسط رسوب اندازه گیری شده به صورت روزانه در طول یک دوره طولانی مدت 23 ساله، از سال آبی 1356 تا 1379 در ایستگاه هیدرومتری قرآن طالار واقع بر رودخانه بابل رود استفاده شده است. نتایج نشان داد که استفاده از شبکه عصبی مصنوعی تا اندازه زیادی محاسبات را ساده تر نموده و به میزان قابل قبولی از مقدار خطا می کاهد.
اثر کلاسه بندی دبی و تفکیک زمانی داده ها در برآورد بار معلق رودخانه ها به کمک شبکه عصبی مصنوعی (مطالعه موردی؛ بابل رود) Keywords:
اثر کلاسه بندی دبی و تفکیک زمانی داده ها در برآورد بار معلق رودخانه ها به کمک شبکه عصبی مصنوعی (مطالعه موردی؛ بابل رود) authors
عیسی کیاء
دانشجوی کارشناسی ارشد سازه های آبی، دانشگاه کشاورزی ساری
علیرضا عمادی
استادیار گروه مهندسی آب، دانشگاه کشاورزی ساری
رامین فضل اولی
استادیار گروه مهندسی آب، دانشگاه کشاورزی 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 :