ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مقایسه تخمین رسوب معلق رودخانه به دو روش شبکه عصبی مصنوعی و منحنی سنجه رسوب (مطالعه موردی رودخانه سیاهرود)

تعداد صفحات: 9 | تعداد نمایش خلاصه: 239 | نظرات: 1
سال انتشار: 1394
کد COI مقاله: CEWE01_180
زبان مقاله: فارسی
(فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
فرمت فایل مورد نظر را انتخاب فرمایید:


مشخصات نویسندگان مقاله مقایسه تخمین رسوب معلق رودخانه به دو روش شبکه عصبی مصنوعی و منحنی سنجه رسوب (مطالعه موردی رودخانه سیاهرود)

میرماکان رودباری موسوی - دانشگاه آزاد اسلامی واحد لاهیجان، دانشجوی کارشناسی ارشد گروه مهندسی آب، دانشگاه آزاد اسلامی واحد لاهیجان
ابراهیم امیری - دانشگاه آزاد اسلامی واحد لاهیجان، دانشیار گروه مهندسی آب، دانشگاه آزاد اسلامی واحد لاهیجان

چکیده مقاله:

تخمین درست حجم رسوبات حمل شده توسط رودخانه ها در پروژه های آبی از اهمیت بسیاری برخوردار است. پدیده فرسایش و انتقال رسوب از فرآیندهای هیدرودینامیکی مهمی است که تعیین دقیق معادلات حاکم بر آن به دلیل تاثیرات پارامترهای مختلف، به آسانی میسر نیست و دسترسی به داده های لازم در اکثر موارد به آسانی امکان پذیر نخواهد بود. در کشور ما اطلاعات صحیح از انتقال رسوب و رسوب گذاری کم است و بین برآوردهای انجام شده نیز اختلاف زیادی مشاهده می شود. جوان بودن تحقیقات و فقدان اندازه گیری های درازمدت رسوب، مانع از دست یابی به اعداد قابل اعتماد شده است. وجود پارامترهای مؤثر زیاد و همچنین دامنه وسیع تغییرات غلظت بار معلق، استفاده از روش های موجود مانند منحنی های سنجه رسوب را محدود و لزوم استفاده از روش های نوین مانند شبکه های عصبی مصنوعی را ایجاب می کند. در این پژوهش شبکه عصبی مصنوعی به صورت روشی مؤثر جهت تخمین مقدار رسوب معلق به کار گرفته شده است و بار معلق رسوب علاوه بر دبی جریان همان روز، تابعی از دبی جریان روز قبل و دو روز قبل مورد بررسی قرار گرفت. پس از طراحی و آموزش شبکه، کاربرد این مدل در برآورد رسوب بررسی و تخمین به دست آمده از آن با نتایج روش منحنی سنجه رسوب مقایسه گردید. نتایج بیانگر این است که روش شبکه عصبی مصنوعی با ضریب تبیین R(2)=0.939 و مربع خطای متوسط MSE=0.0011 از دقت بالاتری نسبت به روش منحنی سنجه با ضریب تبیین R(2)=0.297 برای تخمین بار معلق رسوب رودخانه سیاهرود برخوردار است.

کلیدواژه ها:

استان گيلان، بار معلق، دبي جريان، رودخانه سياهرود

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/407907/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
رودباری موسوی، میرماکان و امیری، ابراهیم،1394،مقایسه تخمین رسوب معلق رودخانه به دو روش شبکه عصبی مصنوعی و منحنی سنجه رسوب (مطالعه موردی رودخانه سیاهرود)،کنفرانس و نمایشگاه مهندسی آب،تهران،،،https://civilica.com/doc/407907

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394، رودباری موسوی، میرماکان؛ ابراهیم امیری)
برای بار دوم به بعد: (1394، رودباری موسوی؛ امیری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • میر باقری، سید احمد. رجائی، طاهر. (1388). تخمین بار معلق ...
  • French, M.N., Krajewski, W.F., and Cuykendall. R.R. 2003. Rainfall forecasting ...
  • Achite, M., and Ouillon, S. 2007. Suspended sediment transport in ...
  • Arabkhedri, M. 2005. Investigation of suspended load in Iran's watershed ...
  • Azamathulla, H.M., Y.C. Cuan, A.A. Ghani and C.K. Chang. 2013. ...
  • Azami, A., Najaf nezhad, A., and Arabkhedri, M.M. 2005. Evaluation ...
  • Blanco M. L. R. Castro M. M. T. Palleiro L. ...
  • Cigizoglu, H.K. 2004. Estimation and forecasting of daily suspended sediment ...
  • Dastorani, M., S. Huge and A. Talebi. 2012. Suspended sediment ...
  • Ghorghi, J.H., M. Habibnezhad, G. Vahabzadeh and A. Khaledi Darvishan. ...
  • Haykin, S. 1994. Neural Networks: a _ mprehensive foundation. MacMillan, ...
  • Khanchoul, K., Z.E.A. Boukhrissa, A. Acidi and TR. Altschu. 2010. ...
  • Melesse, A.M., S. Ahmad, M.E. McClain, X. Wang and Y.H. ...
  • M irabolghasemi, H., and Morid, S. 1995. Investigation of hydrological ...
  • Mirbagheri, S., and Rajaei, T. 2006. Improvement of suspended load ...
  • Morehead, M.D., Syvitski, J.P., Hutton, E.W.H., and Peckham, S.D. 2003. ...
  • Mustafa, M.R., R.B. Rezaur, S. Saiedi and M.H. Isa. 2012. ...
  • Sarangi, A., and Bhattacharya, A.K. 2005. Comparison of Artificial Neural ...
  • Shoushtari, Sh., and Kashefipour, M. 2007. Estimating of suspended sediment ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    نظرات خوانندگان

    5.00
    1 تعداد پژوهشگران نظر دهنده
    5 1
    4
    3
    2
    1

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 2,501
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی