بهینه سازی ضرایب معادله سنجه رسوب با استفاده از الگوریتم ژنتیک (مطالعه موردی: ایستگاه های قزاقلی و باغ عباسی)
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 677
This Paper With 17 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:
JR_WATER-9-3_006
تاریخ نمایه سازی: 15 تیر 1398
Abstract:
برآورد صحیح غلظت رسوبات رودخانه ها برای برنامه ریزی و مدیریت پروژه های منابع آب اهمیت دارد.روشهای مختلفیبرایتعیینارتباطبیندبیجریانومقداررسوبتوسعهیافته است.منحنی سنجهرسوب یکیاز متداول ترینروش هایبرآوردرسوبمعلقرودخانه هامیباشد که با خطای زیادی همراه است.بهمنظورتخمین بهترمیزانرسوببا منحنیسنجه،می توان ضرایباینمعادلهرابا روشهای هوش مصنوعی بهینه کرد.هدفاینتحقیقاستفادهازالگوریتمژنتیک برایبهینهسازی ضرایبمعادلهسنجهرسوب رودخانههای گرگانرود ( ایستگاه قزاقلی) و فریمان( ایستگاه باغ عباسی) میباشد. بدین منظور، آماردبی جریانوغلظت رسوب معلقبرای سالهای 1388-1350برای ایستگاه قزاقلی و سالهای 1388-1347 برای ایستگاه باغعباسی اخذ شد و منحنیسنجه رسوب با استفاده از 70 درصد دادهها به عنوان دادههای آموزش بهدست آمد. به منظور بهینهسازی ضرایب، مدلالگوریتمژنتیکدر نرم افزارMATLAB2017برنامهنویسیشد.نتایجبه دست آمدهنشان دادکهمدلالگوریتمژنتیک برای ایستگاه قزاقلی و باغعباسی به ترتیب با ضریب نش-ساتکلیف 5/0، 72/0و ضریب تعیین 5/0 و 89/0 عملکرد بهتری نسبت به منحنی سنجه رسوب داشته است. همچنین الگوریتم ژنتیک برای ایستگاه باغعباسی با تعداد نمونه کم از دقت بهتری نسبت به روش منحنی سنجه برخوردار است. نتایج دلالت بر کارایی مناسب الگوریتم ژنتیک در بهینهسازی رابطه دبی و رسوب به ویژه در ایستگاههای با داده کم دارد.
Keywords:
Authors
فرزانه ناصرص
گروه مرتع و آبخیزداری، دانشگاه فردوسی
محمود اذری
گروه مرتع و آبخیزداری، دانشگاه فردوسی مشهد، مشهد، ایران،
محمد تقی دستورانی
دانشگاه فردوسی مشهد
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 :