پیش بینی جریان با استفاده از سیستم شبکه عصبی مصنوعی مطالعه موردی سد بارزو
Publish place: The Fifth International Conference on Economic, Management and Accountingwith Valuecration approach
Publish Year: 1396
Type: Conference paper
Language: Persian
View: 731
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:
MAVC05_033
Index date: 2 August 2017
پیش بینی جریان با استفاده از سیستم شبکه عصبی مصنوعی مطالعه موردی سد بارزو abstract
مهم ترین مساله در مواجه با بحران آب، مدیریت این منابع ارزشمند است. از این رو با توجه به محدود بودن منابع آب ، مدیریت صحیح و بهینه، مهمترین وظیفه سیاست گذاران و مهندسین این عرصه می باشد. یکی از مهمترین ارکان مدیریت منابع آب، پیش بینی میزان این منابع بخصوص پیش بینی دبی جریان سد ها است.در کشور ما، اغلب سد های مناطق مختلف جغرافیایی، فصلی بوده و بسیاری از آن ها سیلابی هستند. این مساله و همچنین کمبود منابع آب و ضرورت مهار آبهای سطحی، شناسایی و شبیه سازی رفتار سد ها به منظور انجام برنامه ریزی های بلند مدت و بهره برداری مناسب از پتانسیل جریان های سد ای را آشکار می سازد. به دلیل تعددعوامل هیدرولوژیکی حاکم بر پدیده بارش- رواناب در حوضه های آبریز، عکس العمل اغلب حوضه ها در برابر نزولات جوی، پیچیده است [ 1].ز جمله روش هایی که در سال های اخیر توجه بسیاری از پژوهشگران را در تحلیل پدیده های غیر خطی و پیچیده به خود جلب نموده، استفاده از شبکه عصبی مصنوعی می باشد. فلذا کاربرد های فراوانی در مسایل مختلف مهندسی آب از جمله هیدرولوژی پیدا کرده است [ 2]. نتایج گزارش شده با استفاده از شبکه های عصبی مصنوعی جهت انتخاب ورودی و بهینه سازی برای .[ پیش بینی بارش ماهانه در کویینزلند استرالیا را تایید شاخص های آب و هوا برای پیش بینی بارش در کویینزلند نشان می دهد [ 11)وو و چاو، 2011 ( با بهره گیری از مدل شبکه های عصبی مصنوعی و تحلیل های یک طیفی، جریانهای سد های دانینگ و لوشوی چین را شبیه سازی نموده و به نتایج قابل قبولی دست یافتند.[ 11 ]میثاقی و محمدی در شبیه سازی بارش- رواناب و روندیابی سد از شبکه عصبی مصنوعی با بردارهای ورودی مختلف استفاده کرده و عنوان نمودند با کاهش تعداد نرونهای لایه خروجی، توانایی شبکه دستیابی به نتایج مطلوب بهبود می یابد. همچنین شبکه پرسپترون چند لایه با روش دلتا در مراحل ارزیابی و صحت سنجی، از کارایی بیشتر برخوردار بوده و با استفاده از توابع محرک متنوع به جای یک تابع محرک ثابت، نتایج رضایت بخش تری ارایه می نماید] 8[.داوسون و ویلیبی با استفاده از شبکه های عصبی مصنوعی، مدل های بارش- رواناب را برای پیش بینی جریان سد ای در دو حوضه سیل خیز انگلستان )آمبر و مول( ارایه نمودند[ 9]. زارع و بیات طی تحقیقی به مقایسه مدل های هوشمند عصبی و روش های تجربی در تخمین رواناب سالانه سد زاینده رود در استان اصفهان پرداخته و به .[ این نتیجه رسیدند که عملکرد مدل های هوشمند عصبی نسبت به روش های تجربی قادر به ارایه نتایج بهتری است
پیش بینی جریان با استفاده از سیستم شبکه عصبی مصنوعی مطالعه موردی سد بارزو authors
احمد علی اکبری مطلق
دانشجوی کارشناسی ارشد مهندسی عمران – عمران آب ، دانشکده فنی و مهندسی ، دانشگاه زابل
محمودرضا ملایی نیا
استادیار گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه زابل، زابل
علی اسکندری نسب
کارشناسی ارشد مهندسی منابع آب، دانشکده آب وخاک، 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 :