تخمین رسوب معلق با استفاده از مقایسه مدل شبکه عصبی مصنوعی و منحنی سنجی رسوب(مطالعه موردی رودخانه پسیخان)
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 593
This Paper With 8 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:
CAUEM02_008
تاریخ نمایه سازی: 22 آبان 1395
Abstract:
رواناب سطحی و جریان آب در رودخانه ها همواره با فرسایش خاک و حمل مواد رسوبی همراه است این مواد در هر جا ایجاب کند رسوب می کند، این پدیده باعث اثر گذاری و خسارت روی شاخص های کیفی آب ،کنش بستر و کناره های رودخانه و همچنین مخازن سدها و طرح های عمرانی می شود.لذا پیش بینی دقیق میزان رسوب بوسیله مدل های هیدرولوژیکی و استفاده از بهترین مدل به علت فقدان اندازه گیری های دراز مدت رسوب و جوان بودن تحقیقات مانع از دستیابی به اعداد قابل مطمئن می شود تاکنون روش ها یا مدل های متعددی در زمینه پیش بینی میزان رسوب و ایجاد یک مدیریت پایدار حوضه های آبخیز داری ارایه شده است. که نتایج حاصل از این روش ها در اغلب موارد اختلافات فاحشی با هم دارند. مهمترین مشکل ارزیابی این روش ها را می توان فقدان آمار مشاهدهای قابل اعتماد در این حوضه ها دانست در این تحقیق با مقایسه کردن روش منحنی سنجی رسوب با مدل شبکه عصبی مصنوعی که از بار معلق رسوب ،به همراه دبی جریان همان روز،دبی جریان روز قبل و دو روز قبل مورد بررسی قرار گرفت،استفاده شده است. نتایج قابل قبولی حاصل شد که نشان دهنده آن است روش شبکه عصبی مصنوعی که دارای دو معیار میانگینی مربعات خطات MSE=0/005 و همچنین ضریب همبستگی r=0/90 که نسبت به روش منحنی سنجه با دقت بالاتری برخورد است.
Keywords:
Authors
سعید امیری
دانشجوی کارشناسی ارشد عمران- مهندسی مدیریت منابع آب دانشگاه آزاد لاهیجان
ابراهیم امیری
دانشیار گروه علمی مهندسی کشاورزی،آب دانشگاه آزاد لاهیجان
امیررضا دریابیگی
دانشجوی کارشناسی ارشد عمران،مهندسی مدیریت منابع آب دانشگاه آزاد لاهیجان
پوران پورایوب
کارشناس مسئول کنترل کیفیت و پایش آب آبفای گیلان(کرشناسی ارشد شیمی آلی)
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 :