تحلیل حساسیت توابع محرک مدل شبکه عصبی مصنوعی در تخمین غلظت رسوبات معلق
محل انتشار: چهارمین کنگره ملی مهندسی عمران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,147
فایل این مقاله در 7 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:
NCCE04_316
تاریخ نمایه سازی: 19 مهر 1386
چکیده مقاله:
تخمین و ارزیابی حجم رسوب انتقال یافته در رودخانه از جمله مسائل مهم در مهندسی هیدرولیک و مهندسی محیط زیست است و از دیدگاه فرسایش، رسوب گذاری، برداشت مصالح از رودخانه، کشتیرانی و مدیریت بهره برداری از سدها همواره برای مهندسین و دانشمندان حایز اهمیت بوده است . ماهیت غیر خطی و همچنین دامنه تغییرات وسیع در غلظت بار رسوبی، ایجاب می کند که یک روش غیر خطی برای برآورد و ارزیابی بار رسوبی به کار گرفته شود . این مقاله با استفاده از شبکه های عصبی مصنوعی به پیش بینی توزیع غلظت بار رسوبات معلق می پردازد . برای این
منظور از روش الگوریتم پس انتشار ) (Back Propagation استفاده می شود . جهت آموزش و آزمایش مدل شبکه عصبی از داده های رودخانه های Mississippi و Colorado استفاده شده است . نتایج نشان دهنده این واقعیت است که مدل شبکه عصبی توانایی بالایی در مدل سازی بار معلق رسوب رودخانه داشته است . همچنین در این تحقیق در جهت افزایش دقت مدل بر روی توابع محرک و نیز پارامترهای ورودی به مدل شبکه عصبی تحلیل حساسیت لازم صورت پذیرفته است . نتایج حاکی از آن است که پارامترهای بدون بعد لورسن همبستگی مناسبی با رسوبات دارند .
کلیدواژه ها:
نویسندگان
سیدتقی (امید) نایینی
استادیار دانشکده مهندسی عمران پردیس دانشکده های فنی دانشگاه تهران
مسعود منتظری نمین
استادیار دانشکده مهندسی عمران پردیس دانشکده های فنی دانشگاه تهران
محسن محمدزمانی
دانشجوی کارشناسی ارشد مهندسی عمران - آب، دانشکده مهندسی عمران، پردیس
فواد سلطانی
مربی و عضو هیئت علمی موسسه آموزش عالی عمران آبادانی و توسعه
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 :