استفاده از مدل درختی M5 در تخمین رسوبات معلق رودخانه درهرود
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 773
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
GPACONF02_034
تاریخ نمایه سازی: 25 بهمن 1394
چکیده مقاله:
باتوجه به اهمیت و حساسیت انتقال رسوب در رودخانهها و همچنین در مطالعات تامین آب شرب، صنعت، کشاورزی، پرورش آبزیان، پر شدن مخازن سدها، رسوبگذاری در کانالها و آبگیرها لزوم توجه بیشتر مهندسین و محققین به موضوع ایجاب مینماید. برای پیش بینی بار معلق رودخانه روش های تجربی و ریاضی بسیاری وجود دارد که بصورت گسترده ای در تحلیل رفتار رودخانه ها مورد استفاده قرار می گیرند. این روابط تفهیمی و مدل های فیزیکی به علت اینکه با استفاده از داده های آزمایشگاهی و یا داده های منطقه مشخصی ایجاد شده اند و همچنین محدودیت های ذاتی این مدل ها، دارای توانمندی لازم نبوده لذا در سالهای اخیر استفاده از مدل های جعبه سیاه و هوش مصنوعی مورد استقبال پژوهشگرانقرار گرفته که به علت الگوریتم عملکرد این مدلها، توانایی نسبتا بالایی در مدل کردن پدیده های پیچیده را دارند. امروزه بسیاری از پژوهشگران به روشهای نوین مانند درخت تصمیم گیری مدل M5 روی آوردهاند. هدف از این تحقیق گزینش مناسبترین مدل در برآورد بارمعلق رودخانه دره رود در ایستگاه هیدرومتری مشیران میباشد تا بتواند با ارایه یک مدلکاربردی آسان نرخ انتقال رسوب را تخمین بزند. در این مدلها برای تخمین بار معلق از دبی جریان، دمای محیط، بارش و داده های رسوب پیشین استفاده و با یک فرآیند آموزش، عمل تخمین انجام میگیرد. به منظور ارزیابی کارایی هریک از مدل- های فوق، مقادیر مشاهداتی و مقایسه آن با مقادیر محاسبه شده توسط هریک از مدلها از معیارهای ضریب تبیین ( 2R ،) نش ساتکلیف ( - E) و جذر میانگین مربعات خطا ( RMSE ) استفاده شده است
کلیدواژه ها:
نویسندگان
فرید معتمدی خیاوی
کارشناس ارشد مهندسی عمران- مهندسی آب
خسرو نظام خیاوی
عضو هیئت علمی دانشگاه آزاد اسلامی واحد مشکین شهر
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 :