بررسی تخمین میزان رسوب معلق در رودخانه با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی- عصبی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 565

فایل این مقاله در 10 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:

NECJ01_050

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

رسوبگذاری به عنوان یک فرایند تشدید شونده منجربه ازدست رفتن خاک حاصلخیز کشاورزی و ایجادخسارات جبران ناپذیر به طرح های عمرانی آب ازجمله انباشت رسوبات درپشت سدها و کاهش حجم مفید آنها تخریب سازه ها افزایش هزینه نگه داری کانالهای ابیاری و غیره می گردد به انی منظو درمدیریت پروژه های منابع آب شبیه سازی و ارزیابی اورد رسوب معلق رودخانه امری ضروری است دراین تحقیق هدف تخمین باررسوب معلق رودخانه ذیلکی رود با استفاده ازشبکه عصبی مصنوعی و سیستم استنتاج فازی - عصبی با نرم افزار MATLAB می باشد ورودیهای مدل شامل دبی وخروجی مدل غلظت رسوب درگام زمانی فعلی بوده است ورودی وخروجی رودخانه دردوره 1366-1388 دارای روند مثبت بوده و درسطح 5درصد معنی دار می باشد و 80درصد داده ها جهت اموزش و 20درصد داده ها جهت ازمون شبکه مورداستفاده قرارگرفت نتایج بدست آمده نشان میدهد که غلظت بارمعلق رسوب حاصل ازمدلهای شبکه عصبی مصنوعی و سیستم استنتاج فازی عصبی به داده های واقعی غلظت رسوب نزدیکترهستند زیرا ضریب همبستگی حاصل ازسیستم استنتاج فازی عصبی 0.9درصد می باشد این درحالی است که ضریب همبستگی برای مدلهای شبکه عصبی مصنوعی 0.83 می باشد بنابراین سیستم استنتاج فازی - عصبی نتایج و کارایی بهتری درپیش بینی بارمعلق رسوب دارد

کلیدواژه ها:

نویسندگان

یاسمن علیپور

دانشجوی کارشناسی ارشد مهندسی عمران، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران

علیرضا مردوخ پور

عضو هیئت علمی گروه عمران، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران

ابراهیم امیری

عضو هیئت علمی گروه مهندسی آب، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران

حسین جاماسبی

عضو هیئت علمی گروه عمران، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران

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 :
  • بانک آمار و اطلاعات ایستگاه های آب هواشناسی کشور، دفتر ...
  • احمدی، فلامکی، برآورد رسوب رودخانه ها از طریق RBF و ...
  • عبداله پورآزاد، محمدرضا، ستاری، محمدتقی.1393. پیش بینی جریان روزانه رودخانه ...
  • یکتا الف و سلطانی ف، 1385. تخمین رسوبات معلق رودخانه ...
  • Rezaei M and Fereydooni M (2015). comparative evaluation of adaptive ...
  • Issazadeh L and Govay BIM (2014). Reservoir Sediment Prediction in ...
  • Amutha R and Porchelvan P (2011). Seasonal Prediction of Ground ...
  • Dastorani, M.T. and H. Afkhami. 2011. Evaluation of the application ...
  • Wang J., and Lu X. 2009. Estimation of suspended sediment ...
  • Wang J.J., Lu X.X., Liew S.C., and Zhou Y. ...
  • Retrieval of suspended sediment concentrations in large turbid rivers using ...
  • Achite, M., and Ouillon, S. 2007. Suspended sediment transport in ...
  • Menhaj, M.B. 2001. Fundamentals of neural networks. Amirkabir Univ. Press, ...
  • Asselman, N.E.M. (2000)"fitting and interpretation of sediment rating curves." Journal ...
  • Ferguson, R.I., 1986. River loads underestimated by rating curves. Water ...
  • HABERSACK H.M., LARONNE J.B. Evaluation and improvement of bedload discharge ...
  • Rezapour, O.M. , L.T. Shui and D. Bin Ahmad. 2010. ...
  • _ Y.M., X.X. Lu and Y. Zhou. 2007. Suspended sediment ...
  • Naeini, S.T., M. Montazeri Namin, _ Mohammad Zamani and F. ...
  • نمایش کامل مراجع