برآورد رسوب معلق روزانه با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز ایستگاه مادر سلیمان سد سیوند)
Publish place: Second National Conference on the Application of New Science and Technology in Agriculture, Natural Resources and Environment
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 482
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MYBOOD02_059
تاریخ نمایه سازی: 30 شهریور 1394
Abstract:
فرسایش، انتقال رسوب، رسو ب گذاری و کیفیت آب از مسایل بسیار مهم در مدیریت حوزه های آبخیز می باشند.آگاهی از میزان رسوب به عنوان پارامترتولید فرآیند فرسایشی درحوضه های آبخیز ازمسائل مهم و کاربردی درمدیریت منابع آب می باشد. در این مطالعه مقدار رسوب معلق با استفاده از دو روش شبکه عصبی مصنوعی ومنحنی سنجه رسوب در حوزه آبخیز ایستگاه مادرسلیمان – سد سیوند برآورد می شود. داده های مورد استفادهشامل دبی جریان، بارش تجمعی 5 روزه و دبی رسوب از سال 1364 تا 1381 می باشد. هفت تابع ساختار متفاوتتعریف شده و با تحلیل همبستگی، بهترین ساختار مناسب انتخاب و مورد آموزش قرار داده شد. در مدل منحنیسنجه رسوب و پس از مقایسه داده ای مشاهداتی و شبیه سازی شده مقادیر ضریب همبستگی و ریشه میانگین مربعات خطا به ترتیب برابربا 0/44 و 1477/3 تن بر روز بدست آمد. همچنین ضریب همبستگی و ریشه میانگین مربعات خطا برای شبکه عصبی مصنوعی با تابع محرک سیگموئید با هفت نرون در لایه پنهان به ترتیب برابربا 0/999 و 48/127 تن برروز بدست آمد. در صورتیکه از تابع محرک گوسین استفاده شود ضریب همبستگی و ریشه میانگین مربعات خطا در حالت نه نرون در لایه پنهان به ترتیب برابربا 0/999 و 52/06 تن برروز بدست آمد. با توجه به نتایج فوق می توان چنین نتیجه گیری نمود که شبکه عصبی مصنوعی روشی مناسب با دقتی بالا میباشد که می تواند دبی رسوب معلق را در مقایسه با منحنی سنجه رسوب به خوبی برآورد کند. همچنین تابعمحرک سیگموئید دقیق تر از تابع محرک گوسین در برآورد رسوب معلق می باشد.
Keywords:
Authors
حسین چراغی
دانشگاه آزاد اسلامی واحد ارسنجان
محمدرضا نیک منش
عضو هیات علمی دانشگاه آزاد اسلامی واحد ارسنجان
مجید عباسی زاده
عضو هیات علمی دانشگاه آزاد اسلامی واحد ارسنجان
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 :