مدلسازی رابطه بهینه برآورد بار معلق به کمک رگرسیون چند متغیره و Solver (مطالعه موردی ایستگاه هیدرومتری ارازکوسه در استان گلستان)
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 580
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
NCUIMWR03_349
Index date: 6 March 2015
مدلسازی رابطه بهینه برآورد بار معلق به کمک رگرسیون چند متغیره و Solver (مطالعه موردی ایستگاه هیدرومتری ارازکوسه در استان گلستان) abstract
رودخانه های کشور ما در مقایسه با رودخانه های جهان رسوب بالایی را حمل می کنند. میزان رسوب بالا علاوه بر اینکه ما را به تفکری برای ارائه راه حلهایی جهت کاهش فرسایش ویژه رهنمون می کند، شناخت وضعیت رسوبدهی حوزه و برآورد دقیق میزان رسوب خروجی را نیز ضروری می سازد. از دیدگاه زیست محیطی نقش رسوبات معلق به خصوص رسها در انتقال عناصر غذایی، سموم و آلایندهها در سالهای اخیر بیشتر مورد توجه قرار گرفته است و ارزش و اهمیت داده های رسوب معلق و برآورد صحیح آنها را دو چندان کرده است. در این تحقیق با استفاده از پارامترهای دبی جریان، اشل، سرعت و سطح مقطع که در نمونه برداری مستقیم از ایستگاه هیدرومتری ارازکوسه برداشت شده، سعی شده است به روش های آنالیز رگرسیون چند متغیره و دستور Solver که کار بهینه سازی را انجام می دهد، بهترین رابطه ممکن بین این پارامترها و دبی بار معلق رودخانه تخمین زده شود. جهت این کار حدود 240 مدل رگرسیونی توانی گوناگون را جهت تست کردن در نظر گرفته که با جابجایی پارامترهایی که در بالا نام برده شد، مدل بهینه انتخاب می شود. همچنین برای محاسبه ی خطای آزمایش، یعنی تفاوت مقدار بار معلق مشاهده ای و محاسبه ای از روش میانگین مجموع مربع خطا استفاده شده است .
مدلسازی رابطه بهینه برآورد بار معلق به کمک رگرسیون چند متغیره و Solver (مطالعه موردی ایستگاه هیدرومتری ارازکوسه در استان گلستان) Keywords:
مدلسازی رابطه بهینه برآورد بار معلق به کمک رگرسیون چند متغیره و Solver (مطالعه موردی ایستگاه هیدرومتری ارازکوسه در استان گلستان) authors
محمد ابراهیم زنگانه
عضو هیات علمی موسسه آموزش عالی لقمان حکیم گلستان
محمد عرب عامری
دانشجوی کارشناسی مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان
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 :