ارزیابی عملکرد سه نوع شبکه عصبی مصنوعی FFBP، RBF و RNN در تخمین میزان انتقال رسوب معلق در رودخانه زاینده رود
محل انتشار: اولین همایش منطقه ای بهره برداری از منابع آب حوضه های کارون و زاینده رود (فرصتها و چالشها)
سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,772
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COWR01_200
تاریخ نمایه سازی: 28 بهمن 1384
چکیده مقاله:
در بسیاری از پروژههای مهندسی رودخانه مانند طراحی کانالهای پایدار، ماسهگیرها و سازههای ورودی، طراحی بهینه حوضچههای رسوبگیر و کانالهای دانهگیر و امثال آن، برداشتن قوس رودخانهها یا تنگشدگیهای یک رودخانه و ... ، داشتن بینشی صحیح بر پدیده رسوب امری اجتناب ناپذیر شناخته شده است. یکی از مطالعاتی که در این زمینه به وفور انجام گرفته است، برآورد میزان انتقال بار معلق در آبراهههاست. مطالعه حاضر نیز به ارزیابی عملکرد سه نوع شبکه عصبی مصنوعی پیشخور پسانتشار خطا ، برگشتی و شبکه مبتنی بر تابع پایه شعاعی جهت برآورد میزان رسوب انتقال یافته در زایندهرود، یکی از رودخانههای مهم کشور پرداخته است. در این شبکهها هدف آن است که با داشتن دبی جریان متوسط روزانه در ماههای t و t-n و دبی رسوب متوسط روزانه در ماه t-n، دبی رسوب متوسط روزانه در ماه t پیشبینی شود. نتایج حاصل از این شبکهها، که هر سه معمولاً برای تقریب تابع به کار میروند، نسبتاً نزدیک به هم و مطلوب است، اما از میان آنها شبکه پیشخور با الگوریتم پسانتشار خطا بهترین عملکرد را از خود نشان داده است.
کلیدواژه ها:
رسوب ، انتقال رسوب ، بار معلق ، شبکه عصبی مصنوعی ، شبکه پیشخور پسانتشار خطا ، شبکه مبتنی بر تابع پایه شعاعی ، شبکه برگشتی
نویسندگان
نعیمه نجفی
دانشجوی کارشناسی ارشد سازه های آبی
سیدحسن گلمایی
دانشیار، دانشکده کشاورزی، دانشگاه مازندران
منوچهر حیدرپور
استادیار، دانشکده کشاورزی، دانشگاه صنعتی اصفهان
میرخالق ضیا تبار احمدی
استاد، دانشکده کشاورزی