تحلیل رسوب معلق ورودی به مخزن سد کوثر خلخال با استفاده از شبکه های عصبی مصنوعی و مقایسه آن با روش رگرسیون خطی چند متغیره
- سال انتشار: 1396
- محل انتشار: چهارمین کنفرانس ملی دستاوردهای اخیر در مهندسی عمران،معماری و شهرسازی
- کد COI اختصاصی: CAUE04_061
- زبان مقاله: فارسی
- تعداد مشاهده: 428
نویسندگان
دانشجوی کارشناسی ارشد آب و سازه های هیدرولیکی،دانشگاه آزاد واحد اسلامی تهران شرق
مربی گروه مهندسی عمران، دانشگاه آزاد واحد اسلامی تهران شرق
استادیار گروه مهندسی عمران، دانشگاه آزاد واحد اسلامی تهران شرق
چکیده
برآورد صحیح حجم رسوبات حمل شده توسط رودخانه ها در پروژه های آبیاری از اهمیت بسیاری برخوردار است. پدیده های فرسایش و انتقال رسوب در آبراهه ها ورودخانه ها از پیچیده ترین مباحث مهندسی رودخانه می باشد.فرسایش زیاد وانتقال دایم این مواد نه تنها باعث برهم خوردن تعادل طبیعی رودخانه و آبراهه می شود، بلکه سبب ایجادخساراتی ازقبیل تغییرمسیررودخانه،انباشت رسوبات درپشت سدهاوکاهش حجم مفید آن ها نیز می گردد.شبکه های عصبی مصنوعی یک روش کاملا غیرخطی است که می تواند تقابل و ارتباط پیچیده ای بین پارامترهای ورودی و خروجی بدون داشتن دانش قبلی درباره طبیعت آن ها ایجاد کند .این تحقیق به بررسی توانایی شبکه عصبی مصنوعی (ANN) و تعیین بهترین مدل برای پیش بینی بار رسوبات معلق روزانه ورودی به مخزن سد کوثر خلخال در رودخانه هیروچای ، واقع در شمال غرب ایران می باشد. 147 داده روزانه برای پیش بینی بار معلق روزانه (SSL) استفاده شده است.الگوی باررسوب معلق واردبر مخزن با شبکه ی عصبی Backpropegation، و ساختار 1-1-3 برای مرحله آموزش و 1-8-3 برای مرحله آزمون و با استفاده ازالگوریتم Feed-Forward Backpropagation، و تابع آموزشی LM یا همان Levenberg Marquardt، و تابع فعالیت زیگمویید برای لایه میانی و خطی برای لایه خروجی، حاصل شده استدر نهایت با مقایسه دو ساختار موجود، ساختار 1-1-3 شبکه عصبی، برای ارایه بهترین مدل باررسوب معلق ورودی به مخزن سد انتخاب شده و بر پایه چندین شاخص عملکرد معلوم گردیده است که شبکه ی عصبی مصنوعی با ساختار مذکور، باررسوب معلق ورودی به مخزن سد را با دقت بالاتری در مقایسه با تحلیل معمول رگرسیونی تخمین زده است.کلیدواژه ها
باررسوب معلق روزانه، الگوریتم پیش خور پس انتشار خطا، رگرسیون خطیمقالات مرتبط جدید
- راهکارهای بومی معمارانه ، پاسخی برای مسکن مقرون به صرفه (روستاهای سرد و کوهستانی )
- Considering the Digital Twin as the Evolved Level ofBIM in the Context of Construction ۴.۰
- مروری بر مبانی و مفاهیم نظری در خصوص بررسی عوامل کالبدی سرای سالمندان و سلامت روان آنها با تاکید بر توسعه پایدار(مطالعه موردی : شهر شیراز)
- مروری بر انواع طاقچه های نوری تلفیقی
- مروری بر سیستم های انتقال نور روز با تاکید بر چاههای نوری در ساختمان
اطلاعات 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.