مقایسه روشهای شبکه عصبی مصنوعی و منحنی سنجه رسوب در برآورد رسوبات بار معلق رودخانه های هریجان و هنیسک در حوضه چالوس رود
Publish place: Sixth Scientific Conference on Water and Soil Management
Publish Year: 1397
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 482
This Paper With 13 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:
NCUIMWR06_089
تاریخ نمایه سازی: 21 خرداد 1398
Abstract:
در طراحی و ساخت سازه های آبی نظیر سدها و همچنین مدیریت پروژه های منابع آب، آگاهی از مقدار کمی بار رسوب معلق رودخانه ها امری ضروری است. رسوبات معلق حمل شده توسط رودخانه ها ممکن است سبب کاهش ظرفیت مفید مخازن سدها گردند. اندازه گیری غلظت رسوبات معلق به روش مستقیم، اگر چه مطمئنترین روش اندازه گیری است، اما اغلب زمانبر و پر هزینه است و دارای مشکلاتی است. بنابراین با توجه به مشکلات موجود در روشهای سنتی برآورد و پیش بینی رسوب، امروزه بسیاری از پژوهشگران به روشهای نوین و محاسبات نرم روی آورده اند تا اینکه قادر به مدل کردن پیچیدگی ها و روابط غیر خطی بین دبی آب و دبی رسوب باشند. در این مطالعه به بررسی بار معلق رسوب موجود در رودخانه های هریجان و هنیسک در استان مازندران با استفاده از دو روش منحنی سنجه رسوب و شبکه عصبی مصنوعی در دوره آماری 1363-1362 تا 1385-1384 پرداخته شد. در ابتدا داده ها در قالب سه مدل کل داده ها، داده های فصلی و داده های ماهانه تفکیک شدند. در روش منحنی سنجه در هر کدام از سه مدل مورد بررسی، داده ها به دو گروه شامل 70 درصد آموزش و 30 درصد تست تفکیک شدند. سپس رابطه بین دبی آب و دبی رسوب برای 70 درصد داده های آموزش در نرم افزار اکسل بررسی شد و سپس با استفاده از داده های تست رابطه بدست آمده با استفاده از مقادیر دو آماره R2 و MSE اعتبار سنجی گردید . در روش شبکه عصبی ابتدا داده ها به سه دسته آموزش 70) درصد)، تست 15) درصد) و اعتبارسنجی 15) درصد) تقسیم بندی گردید. سپس با استفاده از شبکه پرسپترون چند لایه (MLP) اقدام به مدلسازی دبی آب و دبی رسوب شد. مقایسه دو آماره R2 و MSE در دو روش منحنی سنجه رسوب و شبکه عصبی مصنوعی نشان داد که در مقیاس سالانه در هر دو ایستگاه شبکه عصبی مصنوعی از دقت بالاتری برخوردار است. در مقیاس فصلی در فصل بهار و تابستان در ایستگاه هریجان شبکه عصبی مصنوعی و در ایستگاه هنیسک منحنی سنجه به عنوان روش بهینه انتخاب شدند و در فصل پاییز و زمستان در هر دو ایستگاه شبکه عصبی مصنوعی از دقت بالاتری برخوردار بود. در مقیاس ماهانه در ایستگاه هریجان به غیر از ماه بهمن در بقیه ماه ها شبکه عصبی مصنوعی به عنوان روش بهینه انتخاب شد و در ایستگاه هنیسک در همه ماه ها روش شبکه عصبی مصنوعی از دقت بالاتری برخوردار بود.
Keywords:
Authors
محسن آرمین
استادیار گروه مهندسی منابع طبیعی آبخیزداری دانشگاه یاسوج،
ارسلان دانشی
دانش آموخته کارشناسی ارشد مهندسی عمران،
سیدعلی صالح ولایتی نژاد
دانش آموخته کارشناسی ارشد مهندسی منابع طبیعی آبخیزداری،