برآورد بار رسوب رودخانه مارون به مخزن سد با استفاده از شبکه عصبی مصنوعی
محل انتشار: اولین همایش منطقه ای بهره برداری از منابع آب حوضه های کارون و زاینده رود (فرصتها و چالشها)
سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,562
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COWR01_205
تاریخ نمایه سازی: 28 بهمن 1384
چکیده مقاله:
تخمین صحیح بار رسوبی رودخانه ها از جمله پارامترهای مهم در علم مهندسی رودخانه و رشته های وابسته از جمله هیدرولوژی و هیدرولیک بوده و در مطالعات پایه زیست محیطی و سد سازی نقش مهمی را دارا میباشد. مقدار دبی رسوب که در رودخانه ها جریان می یابد بستگی به شرایط اقلیمی منطقه، مانند بارش، درجه حرارت و همچنین شرایط بیولوژیکی و زمین شناسی آن منطقه مانند پوشش گیاهی و نوع خاک دارد. در رودخانه هائیکه امکان برداشت اطلاعات دبی رسوب مستقیما فراهم نیست، ازروشهای معمول آماری جهت بدست آوردن رابطه ای بین دبی و دبی رسوب استفاده میشود که از دقت بالائی برخوردار نیست. روشی که اخیرا مورد توجه کارشناسان قرارگرفته، استفاده از شبکه های عصبی مصنوعی برای برازش رابطه دبی و دبی رسوب میباشد. بمنظور مقایسه این دو روش، در این تحقیق ابتدا دبی رسوب ایستگاه ایدنک واقع در بالادست سد مارون با استفاده از رابطه نمایی دبی–دبی رسوب محاسبه و سپس دبی رسوب ایستگاه مذکور با استفاده از روش شبکه عصبی مصنوعی مورد محاسبه قرار گرفته است. در این مطالعه از یک نرم افزار شبکه عصبی (Qnet2ooo ) که یک پرپسترون چند لایه میباشد استفاده گردید. نتایج اجرای مدل نشان می دهد که شبکه بدست آمده نسبت به رابطه نمایی دبی–دبی رسوب از دقت بالاتری جهت برآورد دبی رسوب بر خوردار است.
کلیدواژه ها:
دبی رسوب- رودخانه مارون - شبکه عصبی- نرم افزار Qnet2ooo
نویسندگان
حسن ترابی پوده
دانشجوی دکترا، دانشکده مهندسی علوم آب دانشگاه شهید چمران اهواز
منوچهر فتحی مقدم
استادیار دانشکده مهندسی علوم آب دانشگاه شهید چمران اهواز
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 :