پیشبینی توزیع غلظت رسوبات معلق با استفاده از مدل شبکهعصبی مصنوعی
- سال انتشار: 1397
- محل انتشار: فصلنامه علوم و فنون دریایی، دوره: 17، شماره: 2
- کد COI اختصاصی: JR_JMST-17-2_002
- زبان مقاله: فارسی
- تعداد مشاهده: 103
نویسندگان
Department of Marine Structures, Faculty of Engineering, Khorramshahr University of marine science and technology
Department of Soil and Water, Faculty of Agriculture, shahrood industrial University
چکیده
در هیدرولیک رسوب، برآورد صحیح غلظت رسوب معلق از جهات مختلف مانند تخمین دبی رسوب عبوری، جانمایی سازه های هیدرولیکی و غیره مهم می باشد. با توجه به اهمیت موضوع، در این مطالعه برای مدلسازی و پیشبینی غلظت رسوب رودخانه کارون از شبکه عصبی مصنوعی پرسپترون چند لایه(ANN/MLP) استفاده شد. بدین منظور از ۱۲۵ سری داده صحرایی اندازه گیری شده شامل غلظت نزدیک کف، سرعت نقطه ای، نزدیکترین فاصله از ساحل، عمق کل جریان و عمق نقطه ای جریان استفاده شد. کارایی مدل مورد استفاده با استفاده از پارامترهای آماری مانند ضریب تبیین(R۲) و ریشه میانگین مجذور خطا، میانگین خطای مطلق(RMSE)مورد ارزیابی قرار گرفت. نتایج این پژوهش نشان داد، مدل MLP با یک لایه میانی، تابع سیگمویید و ۵ نرون، بهترین ساختار را در مدلسازی غلظت رسوب رودخانه کارون داشته اند. مقدار ضریب تبیین(R۲) و خطای ریشه میانگین مربعات خطا(RMSE) برابر ۹۵۳/۰ و ۳۷/۶۳ میلی گرم بر لیتر به ترتیب در مرحله آموزش و۷۵۲/۰ و ۰۲/۲۰۳ میلی گرم بر لیتر در مرحله صحتسنجی بوده است. همچنین آنالیز حساسیت انجام شده بر روی پارامترهای ورودی مدل نشان می دهد کمترین و بیشترین تاثیر را دو پارامتر فاصله از ساحل و عمق جریان در یادگیری شبکه عصبی مصنوعی داشتند.کلیدواژه ها
Modeling, Sediment Concentration, Artificial Neural Network, Karoon riverاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.