برآورد بار رسوبی کل با استفاده از ماشین بردار پشتیبان
Publish place: 13th National Seminar on Irrigation and Evapotranspiration
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 692
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ABYARI13_045
تاریخ نمایه سازی: 25 بهمن 1394
Abstract:
پدیدهی انتقال رسوب در رودخانهها یکی از مهمترین و پیچیده ترین موضوعات مهندسی رودخانه میباشد. این پدیده اثرات ویژه- ای روی شاخصهای کیفی آب، کنش کف بستر و کنارههای رودخانه داشته و همچنین خسارات جبران ناپذیری به طرح های عمرانی آب وارد مینماید. پیشبینی دقیق میزان رسوب رودخانه ها اهمیت قابل توجه ای در مدیریت منابع آب و حراحی و ساخت و همچنین برنامهریزی در بهره برداری از سازههای آبی دارد. هدف از این پژوهش ارائه روشی بر پایه ماشین بردار پشتیبان (SVR) در تخمین بار رسوب کل بود. برای این منظور از سه کرنل rbf , poly , lin و 2168 نمونه آزمایشگاهی، استفاده شد.70 درصد از دادهها برای آموزش و 30 درصد برای آزمون در نظر گرفته شدند. متغییر ورودی مدلها شرامل دادههرای برا ب رد و بدون ب د دبی، شیب، عمق متوسط، عرض، قطر میانه ذرات رسوب و خروجی مدل غلظت رسوب بود. متغییرهرای ورودی برا سره کرنل فوق مدل شدند تا مناسبترین مدل ت یین شود. سپس نتایج حاصل از مدلهای SVR با سه معادله انتقال رسوب مقایسه شدند. شاخصهای آماری نشان داد که دقت مدل SVR به ویژه با کرنل RBF در تخمین بار رسوب کل برا ضریب همبستگی 0.85 بیش از سایر مدلهاست. و رابطه Yang در برآورد مقدار بار رسوب کل عملکرد بهتری نسبت به سایر روابط نشان داد. نتایجاین پژوهش نشان داد که مدل ارائه شده SVR-RBF برای دادههای دارای بعد با مقدار بار رسوب کرل مشاهده شده همخوانیبیشتری دارد و دارای بهترین برآورد است.
Keywords:
Authors
فرزانه داودی
دانشجوی کارشناسی ارشد سازه های آبی، دانشگاه زنجان:
مسعود کرباسی
استادیار گروه مهندسی آب، دانشگاه زنجان
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 :