برآورد رسوب بار معلق رودخانه با بهره گیری از شبکه عصبی مصنوعی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 725

فایل این مقاله در 6 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:

WATERSHED11_074

تاریخ نمایه سازی: 26 شهریور 1395

چکیده مقاله:

بار معلق در رودخانه ها با توجه به خسارات ناشی از آن، یکی از اولویت های مطالعات در بخش آب می باشد. بنابراین دست یافتن به روش های مناسب که بتواند در این راستا کارآمد باشد دارای اهمیت زیادی می باشد. در این تحقیق مقایسه ای بین روش معمول منحنی سنجه و روش های مختلف شبکه عصبی مصنوعی جهت برآورد بار معلق جریان انجام گرفت. نتایج نشان دهنده کارایی بالاتر شبکه عصبی و مصنوعی در برآورد مقادیر رسوب بار معلق می باشد به طوریکه استفاده از مدل های مختلف شبکه عصبی مصنوعی سبب کاهش خطا و افزایش دقت در پیش بینی رسوب بار معلق می شود. همچنین در بین مدل های مختلف شبکه عصبی، مدل Modular Neural Network درای کارایی بالاتری می باشند.

نویسندگان

علی فضل الهی

استادیار دانشکده منابع طبیعی دانشگاه گیلان

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 :
  • Collins, A.L, Walling, D.E. and Leeks, G.JL. (2005), storage of ...
  • House, W.A. and Warwick, M.S. (1999), Interactions of phosphorus with ...
  • Lartiges, B.S., Deneux -Mustin, S., Villemin, G., Mustin, C., Barres, ...
  • Moreirinha, C., Duarte, S., Pascoal, C. and Cassio, F. (20011), ...
  • Owens, P.N., Batalla, R.J., Collins, A.J., Gomez, B., Hicks, D.M., ...
  • Papanicolaou, A.N., Fox, J.F. and Marshall, J. (2003), Soil Fingerprinting ...
  • Quinton, J.N., Govers, G., Van Oost, K. and Bardgett, R.D. ...
  • نمایش کامل مراجع