کاربرد شبکه های عصبی مصنوعی جهت تخمین دبی رسوب رودخانه ها
محل انتشار: سومین کنفرانس هیدرولیک ایران
سال انتشار: 1380
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,624
فایل این مقاله در 7 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:
208_8628680142
تاریخ نمایه سازی: 16 مهر 1384
چکیده مقاله:
پدیده انتقال رسوب از جمله فرآیندهای هیدرودینامیکی مهمی است که بسیاری از سیستم های فیزیکی و تأسیسات عمرانی را تحت تأثیر قرارمی دهد و به عنوان یکی از بزرگترین مشکلات بهره برداری از منابع آبهای سطحی در جهان مطرح است. با توجه به نقش و اهمیت رسوب درعمر مفید سدهای کشور که نقش بزرگی را در توسعه اقتصادی کشور ایفا می کنند، عدم توجه به اندازه گیری و محاسبه دقیق آن، باعث اتلاف سرمایه های ملی می گردد. بدیهی است که دقت پیش بینی میزان رسوب وارده به مخازن سدها، بستگی زیادی به روشهای محاسباتی و معادلات ارائه شده د ر این زمینه دارد؛ از طرفی دامنه کاربرد این روشها به سبب پیچیدگی طبیعت رودخانه ها و گوناگونی عوامل مؤثر در پدیده انتقال رسوب محدود م ی باشد و نتایج بدست آمده اغلب دارای دامنه نوسان زیادی است . در این مقاله شبکه عصبی مصنوعی به عنوان روشی مؤثر جهت تخمین مقدار ر سوب معلق بکار گرفته شده است . شبکه ای با ساختار و آموزش مناسب و داده های کافی قادر است تأثیرات مخفی و ارتباط بین دبی آب ودبی رسوب را بدون استفاده از روابط اختصاصی و معادلات انتقال فراگیرد .پس از طرح و آموزش شبکه کاربرد این مدل محاسباتی در برآورد رسوب برای ی کی از رودخانه های کشور بررسی شده و نتایج حاصل از آن با روش متداول تخمین رسوب(برازش منحنی توانی بر داده های آماری دبی رسوب ) مقایسه شده است. نتایج این مقایسه نشان دهنده بهبود قابل توجهی در دقت تخمین رسوب و کارآیی این روش میباشد.
کلیدواژه ها:
نویسندگان
فریبا آوریده
عضو هیئت علمی جهاد دانشگاهی استان کرمانشاه
محمدابراهیم بنی حبیب
استادیار مرکز تحقیقات حفاظت خاک و آبخیزداری
احمد طاهرشمسی
استادیار دانشکده عمران دانشگاه صنعتی امیرکبیر
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 :