مقایسه دقت مدل های شبکه عصبی مصنوعی و فازی استنتاجی در برآورد رسوب رودخانه زریندرخت
Publish place: Third National Conference of Student Scientific Associations in Agriculture and Natural Resources
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 444
This Paper With 12 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:
CULTURAL03_102
تاریخ نمایه سازی: 19 اردیبهشت 1395
Abstract:
پدیده انتقال رسوب از جمله فرآیندهای هیدرودینامیکی مهمی است که بسیاری از سازهای رودخانهای و تاسیسات عمرانی را تحت تأثیر قرار میدهد و به عنوان یکی از بزرگترین مشکلا بهره برداری از منابع آب های سطحی در جهان مطرح میباشد. پیشبینی دقیق میزان رسوب رودخانهها اهمیت قابل توجهی در مدیریت منابع آب و طراحی و سیاخت وهمچنین برنامهریزی در بهرهبرداری از سازههای آبی دارد. در عصر حاضر استفاده از شبکه های عصیبی مصنوعی میتواند جایگزین مناسبی برای مدلهای دیگر باشد. این سیستمها با الهامگیری از ساختار نروسیناپتیکی مغز بشر دارای قابلیتهای یادگیری پردازش موازی و تعمیم برای داده های مشابه میباشند . در این مقاله شبکه عصبی مصنوعی و فازی استنتاجی به صورت روشی مؤثر جهت تخمین مقدار رسوب معلق به کار گرفته شده است. دبی جریان مورد نظر همراه با دبی جریان روز قبل و دبی جریان دو روز قبل به عنوان پارامترهای ورودی و دبی بار معلق رسوب به عنوان پارامتر خروجی در نظر گرفته شد. در این تحقیق پس از طرح و آموزش شبکه، کیاربرد این مدلهای هوشمند در برآورد رسوب حوضه آبخیز زرین درخت بررسی و سپس بر اساس نتایج بدست آمده دقیقترین مدل انتخاب گردید.
Keywords:
Authors
ناهید زرین دست
ارشد مهندسی منابع آب، عضو انجمن علمی آبیاری دانشگاه زابل
ام البنی محمد رضاپور
استادیار گروه مهندسی آب دانشکده آب و خاک دانشگاه زابل
محمد جواد زینلی
ارشد مهندسی منابع آب دانشگاه زابل
زهرا آخوندی
ارشد مهندسی سازه های آبی دانشگاه زابل
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 :