استفاده از شبکه های عصبی مصنوعی (ANNs) برای تخمین رسوب در دریاچه سد سپیدرود
- سال انتشار: 1385
- محل انتشار: اولین همایش ملی مدیریت شبکه های آبیاری و زهکشی
- کد COI اختصاصی: IDNC01_224
- زبان مقاله: فارسی
- تعداد مشاهده: 2979
نویسندگان
دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه تربیت مدرس
عضو هیئت علمی گروه عمران دانشگاه گیلان
عضو هیئت علمی گروه آبیاری و زهکشی دانشگاه تربیت مدرس
چکیده
آبیاری از عوامل مهم برای دستیابی به کشاورزی پایدار در مناطقی است که مقدار بارندگی جوابگوی نیاز آبی گیاهان نیست. درنتیجه طراحی، اجرا و مدیریت یک سیستم آبیاری نقش مهمی در کشاورزی این مناطق دارد . دشت گیلان از جمله مناطقی است که فصل کشت و بارندگی با هم تطابق ندارند، بنابراین بخش عمده نیاز آبی دشت گیلان که حدودا " 175000 هکتار می باشد از سد چند منظوره سپیدرود تامین می شود . متاسفانه به علت عدم آبخیزداری در حوضه آبریز رودخانه سپیدرود و از بین رفتن پوشش گیاهی و جوان بودن تشکیلات زمین شناسی این حوضه ، مقدار رسوب ورودی به مخزن سد سپیدرود بسیار بالا است . مطالعات نشان داده که میزان رسوب محاسبه شده توسط روابط ریاضی حاکم بر هیدرولیک رسوب بسیار کمتر از مقادیر واقعی است . در این مقاله آمار 24 ساله رژیم آبدهی و رسوب دهی رودخانه سفید رود در 5 ایستگاه مختلف با شبکه عصبی مصنوعی مورد تجزیه و تحلیل قرار گرفته است تا تخمین مناسب تری از آورد رسوب پشت سد برای مدیریت بهتر آبیاری اراضی پایین دست در سال های آینده معرفی شود. مقادیر پیش بینی شده توس ط مدل شبکه عصبی مصنوعی با اندازه گیری های واقعی و همچنین روابط رگرسیونی که برای پیش بینی رسوب بدست آمده بود مقایسه گردید که نشان دهنده دقت نسبتا" مناسب مدل های شبکه عصبی مصنوعی بود.کلیدواژه ها
شبکه عصبی مصنوعی، بار رسوب، آبدهی و رسوب، مدل رگرسیونیاطلاعات بیشتر در مورد 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.