ارزیابی بار کل رسوبی رودخانه قرسو (ساوه) با استفاده از شبکه عصبی مصنوعی
Publish place: 2nd National Conference on Water
Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,579
This Paper With 7 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:
WATER02_095
تاریخ نمایه سازی: 20 آذر 1388
Abstract:
برآورد صحیح حجم رسوبات حمل شده توسط رودخانهها در پروژههای مهندسی رودخانه از اهمیت بسیاری برخوردار است، زیرا پدیده فرسایش و انتقال رسوب از پیچیدهترین مسائل هیدرودینامیک میباشد. لذا ارائه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانهها بسیار سودمند است. به دلیل تاثیر پارامترهای مختلف تعیین معادلات حاکم بر آن مشکل بوده و در صورت تعیین مدل ریاضی نیز از دقت کافی برخوردار نیستند. در این تحقیق با بهرهگیری از معتبرترین دادههای جمعآوری شده در چند دهه گذشته،امکان استفاده از شبکه عصبی مصنوعی برای تخمین میزان بار رسوبی رودخانه قرهسو مورد بررسی قرار گرفت. در این مقاله از شبکه عصبی مصنوعی پیشخور پریسپترون چند لایه (MLP)، با الگوریتم انتشار به عقب خطا به عنوان شبکهای متداول در پیشبینی و حل مسائل غیرخطی استفاده شد. اجرای شبکه عصبی مصنوعی در محیط نرمافزار NeuroSolution تحت ویندوز انجام شد. بر این اساس ساختارهای متفاوتی از شبکه عصبی مصنوعی (آرایشهای سه لایه با تعداد نرون متفاوت در لایه میانی) برای مقادیر مختلف دبی رسوب ارایه شد. نتایج مدلها پس از اجرا به صورت شکل، در مقایسه با دبیهای اندازهگیری شدهی رسوب، استخراج و با محاسبه معیارهایی نظیر ضریب تعیین، میانگین جذر مربعات خطا و میانگین مطلق خدا، میزان موفقیت الگوهای پیشنهادی در توصیف سری نشان داده شد. کمتر بودن معیارهای فوق برای شبکه عصبی مصنوعی دقیقتر بودن نتایج مدل فوق را نسبت به مدلهای تجربی رایج نشان داد.
Keywords:
Authors
وحید یزدانی
دانشجوی دکتری مهندسی آب دانشگاه فردوسی
بیژن قهرمان
دانشیار گروه مهندسی آب دانشگاه فردوسی
منصور قلی زاده
دانشجوی کارشناسی ارشد مهندسی آب دانشگاه بوعلی سینا
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 :