ارزیابی و برآورد غلظت رسوب رودخانه ی گرگانرود با دو مدل منحنی سنجه رسوب و سیستم استنتاج فازی عصبی تطبیقی
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 505
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MDCONF01_080
تاریخ نمایه سازی: 11 مرداد 1396
Abstract:
حوزه ی آبخیز گرگانرود به دلیل شرایط خاص زمین شناسی و هیدرولوژیکی، تولید رسوب زیادی دارد. با توجه بهمشکل آورد رسوب زیاد این رودخانه، در این تحقیق از 494 جفت داده ی دبی و غلظت رسوب متناظر ایستگاهنوده واقع در رودخانه ی گرگانرود از سال 1350 تا 1392 برای مدل سازی غلظت رسوب استفاده شد. برای مدل-سازی روش های هوش مصنوعی (ANFIS)، روش منحنی سنجه رسوب (SRC) و روش های هیدرولوژیکی متداولبرآورد غلظت رسوب شامل: اداره عمران اراضی ایالات متحده (USBR)، سازمان خوار و بار و کشاورزی جهانی(FAO)، برآوردکننده ی نااریب با حداقل واریانس (MVUE)، تخمینگر شبه بیشینه ی درست نمایی (QMLE) وضریب بازسازی مورد بررسی قرار گرفت. نتایج نشان داد در بین روشهای معمول، روش FAO با RMSE وMAE به ترتیب برابر 398 و 283 میلی گرم در لیتر کمترین خطا را داشته است. همچنین مقادیر خطای مرحلهآزمایش بهترین تابع ANFIS (ذوزنقه ای با 3 قانون بصورت خطی) با RMSE و MAE به ترتیب برابر 387 و189 میلی گرم در لیتر است. مقایسه روشهای معمول و هوش مصنوعی (ANFIS) نشان داد مدل ANFISدارای خطای کمتری نسبت به روش منحنی سنجه رسوب بوده و این موضوع نشان میدهد مدل ANFIS باکمک هوش مصنوعی قادر به شبیه سازی بهتر غلظت رسوب است.
Keywords:
Authors
مهسا جوادی علی نژاد
دانشجوی کارشناسی ارشد آبخیزداری دانشگاه گنبد کاووس
سیدمرتضی سیدیان
استادیار گروه آبخیزداری و عضو هیات علمی دانشگاه گنبد کاووس
حامد روحانی
استادیار گروه آبخیزداری و عضو هیات علمی دانشگاه گنبد کاووس
ابوالحسن فتح آبادی
استادیار گروه آبخیزداری و عضو هیات علمی دانشگاه گنبد کاووس
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 :