مقایسه روشهای عددی با شبکه عصبی - موجکی درتوزیع آلودگی رودخانه مطالعهموردی رودخانه غازان چای

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 958

فایل این مقاله در 18 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:

IREC09_133

تاریخ نمایه سازی: 19 اسفند 1391

چکیده مقاله:

یکی ازمسائل مهم درمهندسی منابع آب بررسی مکانیزم انتقال و پخش الودگی درآبهای سطحی است درچنددهه اخیر روشهای مختلفی براساس مشاهدات میدانی مدلهای آزمایشگاهی روشهای تحلیلی و مجموعه وسیعی ازمدلهای عددی درجهت توصیف و پیش بینی حرکت آلاینده درمنابع آبهای سطحی توسعه یافته اند دراین مطالعه پدیده انتشارآلودگی دررودخانه بررسی شده است از انجایی که آبهای سطحی یکی ازمنابع مهم تامین آب درسراسر کره زمین هستند پس توجه به حفظ آن و جلوگیری ازآلودگی این منبع آبی مهم بوسیله آلاینده ها اهمیت زیادی دارد دراین مطالعه مکانیزم انتشار آلودگی دررودخانه به کمک روش عددی اجزا محدود که یکی از روشهای عددی قوی می باشددرحالت غیردائمی و یک بعدی برای انتشار که شامل ترمهای جابجایی پخشیدگی و تجزیه حل شده است دراکثر مطالعات قبلی به روش عنوان روش حل عددی معادله انتشار آلودگی ازروشهای تفاضلهای محدود استفاده شده است.

کلیدواژه ها:

اجزامحدود شبکه عصبی - موجکی ، تابع موجک ، معادله جابجایی و پخش ، روشهای عددی ، آلودگی رودخانه

نویسندگان

سیدامیرالدین صدرنژاد

استاددانشگاه صنعتی خواجه نصیرالدین طوسی

مریم خلیل زاده پشتگل

دانشجوی دکتری مهندسی عمران

مجتبی نوری

دکتری مهندسی منابع آب

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 :
  • Armano, G. M. Marchesi, A. Murru, 2005.A hybrid genetic-neural architecture ...
  • Bakker, Ramberadt, 2007. Learn o simulate and predict chaotic _ ...
  • Chao, X. B., Jia, Y. F. and Shields, F. D., ...
  • Chapra, S.C, (1997), "Surface Water Quality Modeling", The McGraw-Hil Companies. ...
  • Dogan. E., 2005. Suspended Sediment Load Estimation in Lower Sakarya ...
  • Drago, M. and Cescon, B. and Iovenitti, L. _ (2001) ...
  • Gaganis et al, 2007. Probabilistic neural networks for the identification ...
  • Gao, R. Tsoukalas, L. 2001. Neural -wavelet methodology for load ...
  • Kisi .O. Karahan. M. E .and Sen .Z., 2006. River ...
  • Kisi, O., 2005. Suspended sediment estimation using Neuro-fuzzy and neural ...
  • 1] Onyej ekwe, O.O. and Toolsi, S., (2001), "Certain aspects ...
  • Pati, Y. and P. Krishnaprasad, 1993. Analysis and synthesis of ...
  • Pochai, N., (2009), ":A numerical computation of a nom- dimensional ...
  • Wang, Wensheng. Ding, J. 2003. Wavelet network model and its ...
  • Yudianto, D. and Yuebo, X..(20 10), _ comparison of some ...
  • Zhang, B., Govindaruja, R.S., 1996. Prediction of watershed runoff using ...
  • Zhang, Q and A. Benveniste, 1992. Wavelet networks, IEEE Trans. ...
  • 8] Zienkiewicz, O.C. and Taylor, R.L. , (2000), "The Finite ...
  • نمایش کامل مراجع