ارزیابی میزان برآورد رسوب با بهره گیری از روش منحنی سنجه ومقایسه نتایج با روش های رگرسیونی و شبکه عصبی مصنوعی (مطالعه موردی :رودخانه بابل رود-استان مازندران)

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 174

فایل این مقاله در 13 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:

JR_ESTJ-21-11_007

تاریخ نمایه سازی: 19 مهر 1400

چکیده مقاله:

زمینه و هدف: در تحقیق حاضر، هدف مقایسه تخمین بار رسوب معلق رودخانه بابلرود با استفاده از شبکه عصبی مصنوعی ، روش منحنی سنجه، و روش رگرسیون  می باشد. روش بررسی: ورودی های مدل شامل دبی و خروجی مدل غلظت رسوب در گام زمانی بوده است. ورودی و خروجی رودخانه در دوره (۱۳۹۲-۱۳۵۹) دارای روند مثبت بوده و ۷۵ درصد داده ها جهت آموزش و ۲۵ درصد داده ها جهت آزمون شبکه مورد استفاده قرار گرفت. برای آموزش شبکه ابتدا تعدادی از داده ها که معرف شرایط مساله باشد را برای آموزش انتخاب کرده و بقیه داده ها جهت آزمون عملکرد شبکه آموزش دیده،به کار می رود. یافته ها: نتایج بدست آمده نشان می دهند که غلظت بار معلق رسوب حاصل از مدل های شبکه عصبی مصنوعی به داده های واقعی غلظت رسوب نزدیک تر هستند و ضریب همبستگی حاصل از شبکه عصبی مصنوعی معادل۸/۹۲ درصد می باشد. این در حالی است که ضریب همبستگی برای مدل های منحنی سنجه معادل۱/۸۷  درصد و روش رگرسیون آماری حداکثر معادل ۹۰ درصدمی باشد.   بحث و نتیجه گیری: سیستم شبکه عصبی مصنوعی نتایج و کارایی بهتری در پیش بینی بار معلق رسوب دارد و کارایی و انعطاف پذیری مدل شبکه عصبی مصنوعی در پیش بینی میزان رسوبات معلق رودخانه نسبت به مدل های آماری و منحنی سنجه نشان داده شده است.

نویسندگان

علیرضا مردوخ پور

استادیار گروه مهندسی عمران، دانشگاه آزاد اسلامی لاهیجان، ایران (مسوول مکاتبات)

حسین جاماسبی

دکترای گروه مهندسی عمران، دانشگاه آزاد اسلامی لاهیجان، ایران

امید علیپور

کارشناس ارشد مهندسی عمران، دانشگاه آزاد اسلامی لاهیجان، 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 :
  • Ahmadi, M. (۲۰۱۲). Estimating sediment of rivers by RBF and ...
  • Amutha, R., Porchelvan, P.۲۰۱۱. Seasonal Prediction of Ground Water Levels ...
  • Hyuk, P., Jang, K., Zhiqing, Kwon. Hyuk, J.and Lee, J.۲۰۰۹. ...
  • Issazadeh, L.Govay, B.۲۰۱۴.Reservoir Sediment Prediction in Duhok Dam Using Artificial ...
  • Mirbagheri, S., and Rajaei, T. ۲۰۰۶. Improve the predict and ...
  • Najafinejhad, A., Babaei, A., Saniei, E., and Mahmoodi, O. ۲۰۱۰. ...
  • Rajaee,T.,V.Nourani,M. and Kisi,.O. ۲۰۱۱. River suspended sediment load prediction: Application ...
  • Rezaei, M., Fereydooni, M.۲۰۱۵.comparative evaluation of adaptive neuro-fuzzy inference system ...
  • Sadeghi, S.H.R., Saeedi, P., Raeesi, M.B., and Noor, H. ۲۰۱۰. ...
  • Varvani, J., Najafinejhad, A., and Mirmoeeni, A. ۲۰۰۸. Correction of ...
  • Zhou, Y., Lu, X.X., Huang, Y., Zhu, Y.M., ۲۰۰۷. Suspended ...
  • نمایش کامل مراجع