کاربرد سیستم استنتاج فازی عصبی و برنامه ریزی ژنتیک در تخمین رسوبات -معلق رودخانه دره رود
Publish place: The Second National Congress of New Technologies of Iran with the aim of achieving sustainable development
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 741
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:
GPACONF02_035
تاریخ نمایه سازی: 25 بهمن 1394
Abstract:
پدیده انتقال رسوب در رودخانه ها از پیچیده ترین مباحث مهندس رودخانه بثده و همواره مورد توجه کارشناسان و مهندسین آب میباشد. یک از مشکلات عمده که سازه های هیدرولیک بنا شده در یک رودخانه را تهدید میکند. مسأله انتقال و انباشت رسوبات میباشد . لذا ارائه ی راهکارهای نوین جهت برآورد دقیق بار معلق عبوری از مقاطع مختلف رودخانه ها در مقیاسهای زمان مختلف، نقش بسزای در پیشبرد صحیح مطالعات مهندسی رودخانه خواهد داشت . امروزه بسیاری از پژوهشگران به روشهای نوین مانند برنامه ریزی ژنتیک و سیستم استنتاج فازی - عصب روی آورده اند. هدف از این تحقیق گزینش مناسب ترین رو در برآورد بارمل رودخانه دره رود در ایستگاه هیدرومتری مشیران می باشد تا بتواند با ارایه یک مدل کاربردی آسان نرخ انتقال رسوب را تخمین بزند. در این مدلها برای تخمین بار معلق از دبی جریان، دما، بار و داده های رسوب پیشین استفاده و با یک فرآیند اموزش ، عمل تخمین انجام میگیرد. مبنای این مدلها استخراخ روابط غیر خط بین داده های ورودی و خروج شبکه و تعمیم آن در شرایط دیگر است.به منظور ارزیابی کارای هریک از مدلهای اوق، مقادیر مشاهدات و مقایسه آن با مقادیر محاسبه شده توسط هریک از مدلها از معیارهای ضری تبیین ( 2R )، نش ساتکلیف (- E) و جذر میانگین مربعات خطا ( RMSE ) استفاده شده و در نهایت مدل M5 از مدل GEP که دارای بیشترین دقت و قابلیت در اجرای تمام مدلهای ورودی به سیستم شناسای وتوصیه گردید
Keywords:
برنامه ریزی ژنتیک ( GEP ) , سیستم استنتاج فازی عصبی ( - ANFIS ) , بار معلق , حوضه دره رود , ایستگاه مشیران
Authors
خسرو نظام خیاوی
عضو هیئت علمی دانشگاه آزاد اسلامی واحد مشکین شهر
فرید معتمدی خیاوی
کارشناس ارشد مهندسی عمران- مهندسی آب
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 :