مقایسه تکنیک ANN و روشهای تجربی در برآورد دبی حداکثر لحظهای

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,209

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IFMC01_063

تاریخ نمایه سازی: 23 مرداد 1392

چکیده مقاله:

سیل از عمدهترین سوانح طبیعی است که به دلیل تحمیل خسارات سنگین بر جوامع بشری و حیات طبیعی، همیشه مورد توجه مدیران و برنامهریزان جهت کاهش اثرات آن بوده است و به تبع آن ضرورت بررسی دبی حداکثر لحظهایرژیم رودخانه است. محاسبات سازهای و اقدامات زیربنایی در حوزه، ارتباط تنگاتنگی با مقدار واقعی یا برآورد دقیق دبی حداکثر لحظهای سیل دارد. از آنجا که اکثر حوزهها، در کشور فاقد آمار یا دارای آمار کوتاه مدت و ناقص است بنابراینجهت برآورد دبی لحظهای، در اغلب مواقع ناگزیر به استفاده از روابط تجربی هستیم. در این تحقیق از آمار ایستگاههیدرومتری حوزه آبریز قرهسو و ایستگاه سینوپتیک کرمانشاه برای دوره آماری 04 ساله )از سال آبی 04 04 تا سال -50 54 ( استفاده شده است. روابط تجربی سنگال، هینز دیتر و رابطه دوم فولر را با شبکه عصبی مصنوعی مقایسه -گردید، نتایج حاصل حاکی از اینست که شبکه عصبی مصنوعی از نوع پرسپترون 3 لایه با 4 نرون در لایه ورودی، 9 نرون در لایه پنهان، یک نرون در لایه خروجی و الگوریتم آموزشی مارکوارت لونبرگ - به خوبی قادر به برآورد دبی پیک لحظهای در ایستگاههای مورد مطالعه میباشد؛ همچنین رابطه سنگال بعد از رابطه دوم فولر کاراتر از سایر روشهامیباشد . مقایسه نتایج حاصل از روشهای تجربی و شبکه عصبی مصنوعی بیانگر برتری این تکنیک بر روشهای تجربی میباشد .

کلیدواژه ها:

حداکثر سیلاب لحظهای روابط تجربی شبکه عصبی مصنوعی کرمانشاه

نویسندگان

فرزاد حسن پور

استادیاردانشگاه زابل

محمد داداشی

دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشکده آب و خاک زابل، ایران

فریبا خدابخشی

دانشجوی کارشناسی ارشد

مهتاب نکوکیش

دانشجوی کارشناسی ارشد آبیاری و زهکشی، پردیس کشاورزی کرمانشاه، ایران

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 :