مقایسه روش هیدرولوژیکی و شبکه عصبی در پیش بینی رسوب معلق (مطالعه موردی ایستگاه آق قلا، گرگانرود)
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,033
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:
DESERT01_313
تاریخ نمایه سازی: 30 مرداد 1391
چکیده مقاله:
آگاهی از آورد رودخانه در طی ماه های سال، برای انجام برنامه ریزی های مدیریتی منابع آب، به خصوص در مناطقی که منابع آب سطحی به عنوان اصلی ترین منبع برای مصارف شرب، کشاورزی و صنعت به حساب می آیند، اهمیت ویژه ای دارد. در طی مطالعات انجام شده در زمینه آورد رودخانه ها، تعیین حداکثر آورد سالانه رودخانه، از جمله مباحث قابل تامل در برنامه ریزی های مدیریتی می باشد. همچنین در بحث آورد رودخانه، میزان جریان رسوب رودخانه نیز از اهمیت ویژه ای در مدیریت مخازن و منابع آبی برخوردار است. در این مطالعه، میزان جریان رسوب رودخانه گرگانرود در ایستگاه آق قلا، با استفاده از شبکه عصبی- به عنوان مدلی از خانواده هوش مصنوعی- و روش رگرسیونی معمول برآورد شده است و سپس نتایج حاصل از مدل شبکه عصبی و نتایج منحنی سنجه با استفاد از پارامتر آماری PE مورد مقایسه قرار گرفته اند. نتایج حاصل از این تحقیق مناسب بودن روش شبکه عصبی را در برآورد میزان جریان رسوب نشان داده است. سپس با استفاده از هر دو روش، برآورد رسوب در جریان حداکثر دبی لحظه ای سالانه رودخانه، در طی سال های آبی 49-1348 تا 87-1386، صورت گرفته است.
کلیدواژه ها:
نویسندگان
فائقه پژوهش
دانشجوی کارشناسی ارشد،دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی
شهلا صفاری
دانشجوی کارشناسی ارشد،دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :