استفاده از شبکه های عصبی مصنوعی (ANNs) برای تخمین رسوب در دریاچه سد سپیدرود
Publish Year: 1385
Type: Conference paper
Language: Persian
View: 2,932
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
IDNC01_224
Index date: 12 January 2006
استفاده از شبکه های عصبی مصنوعی (ANNs) برای تخمین رسوب در دریاچه سد سپیدرود abstract
آبیاری از عوامل مهم برای دستیابی به کشاورزی پایدار در مناطقی است که مقدار بارندگی جوابگوی نیاز آبی گیاهان نیست. درنتیجه طراحی، اجرا و مدیریت یک سیستم آبیاری نقش مهمی در کشاورزی این مناطق دارد . دشت گیلان از جمله مناطقی است که فصل کشت و بارندگی با هم تطابق ندارند، بنابراین بخش عمده نیاز آبی دشت گیلان که حدودا " 175000 هکتار می باشد از سد چند منظوره سپیدرود تامین می شود . متاسفانه به علت عدم آبخیزداری در حوضه آبریز رودخانه سپیدرود و از بین رفتن پوشش گیاهی و جوان بودن تشکیلات زمین شناسی این حوضه ، مقدار رسوب ورودی به مخزن سد سپیدرود بسیار بالا است . مطالعات نشان داده که میزان رسوب محاسبه شده توسط روابط ریاضی حاکم بر هیدرولیک رسوب بسیار کمتر از مقادیر واقعی است . در این مقاله آمار 24 ساله رژیم آبدهی و رسوب دهی رودخانه سفید رود در 5 ایستگاه مختلف با شبکه عصبی مصنوعی مورد تجزیه و تحلیل قرار گرفته است تا تخمین مناسب تری از آورد رسوب پشت سد برای مدیریت بهتر آبیاری اراضی پایین دست در سال های آینده معرفی شود. مقادیر پیش بینی شده توس ط مدل شبکه عصبی مصنوعی با اندازه گیری های واقعی و همچنین روابط رگرسیونی که برای پیش بینی رسوب بدست آمده بود مقایسه گردید که نشان دهنده دقت نسبتا" مناسب مدل های شبکه عصبی مصنوعی بود.
استفاده از شبکه های عصبی مصنوعی (ANNs) برای تخمین رسوب در دریاچه سد سپیدرود Keywords:
استفاده از شبکه های عصبی مصنوعی (ANNs) برای تخمین رسوب در دریاچه سد سپیدرود authors
مجید شیرزاد
دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه تربیت مدرس
میراحمد لشت نشائی
عضو هیئت علمی گروه عمران دانشگاه گیلان
کورش محمدی
عضو هیئت علمی گروه آبیاری و زهکشی دانشگاه تربیت مدرس
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 :