شبیه سازی بار معلق به روش شبکه عصبی و مقایسه آن با منحنی سنجه رسوب ( مطالعه موردی رودخانه خرم آباد )
محل انتشار: دومین همایش ملی آب، انسان و زمین
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 383
فایل این مقاله در 11 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:
WHEC02_138
تاریخ نمایه سازی: 25 آذر 1395
چکیده مقاله:
پیش بینی و تخمین رسوب رودخانه ها در مدیریت رودخانه ها و مخازن سدها در پروژه های آبی از اهمیت بالایی برخوردار است. با توجه به پیچیدگی پدیده رسوب و عدم توانایی تعیین دقیق معادلات حاکم، به خاطر وجود پارامترهای مختلف و تاثیر تغییرات مکانی و زمانی شرایط هیدرولیک حوضه آبریز و مشکلات ناشی از تعیین تأثیرت آنها، محققان به استفاده از مدل های جعبه سیاه، نظیر شبکه عصبی مصنوعی روی آورده اند.در این مقاله در مورد کارایی این شبکه ها در شبیه سازی بار معلق رودخانه و مقایسه آن با منحنی سنجه رسوب مطالعاتی انجام گرفته است. در شبیه سازی مدل ( ANN )، در انواع تقسیم بندی مجموعه داده ها، انواع ترکیبات ورودی شبکه، تعداد لایه های شبکه، تعداد نرون های لایه های ورودی و مخفی شبکه و ... تحقیقاتی انجام گرفته است. در مدل های طراحی شده با دادن دبی جریان و غلظت بار معلق می تواند غلظت بار معلق را شبیه سازی کند. پس از طرح و آموزش شبکه، کاربرد این مدل هوشمند در برآورد رسوب رودخانه خرم آباد که تا کنون با مدل های ریاضی مورد ارزیابی قرار نگرفته بررسی گردید. به منظور ارزیابی نتایج ازمعیارهای ارزیابی RMSE، R و MSE استفاده شده است نتایج به دست آمده نشان داد که شبکه عصبی مصنوعی با یک لایه پنهان و 9 نرون با ( RMSE=0.0058، R=0.99 و (5-)MSE=3.4*10 ) برای آموزش و RMSE=0.0025، R=0.94 و (5-)MSE=6.24*10) برای آزمایش دقت بسیار بالایی نسب به منحنی سنجه رسوب برای شبیه سازی بار معلق رودخانه عمل نموده است.
کلیدواژه ها:
نویسندگان
مهدی سمنگان
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی، واحد شوشتر، گروه علوم آب، شوشتر، ایران
علی حقی زاد
استادیار دانشکده کشاورزی، دانشگاه لرستان
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 :