برآورد بار معلق در سیستم رودخانه ای با استفاده از روش گروهی کنترل داده ها (gmdh)

نویسندگان

زهرا ایوانی

محمد مهدی احمدی

کوروش قادری

چکیده

برآورد دقیق میزان انتقال بار رسوب در رودخانه­ها و مخازن اهمیت زیادی در برنامه­ریزی، طراحی، اجرا و نگهداری سازه­های آبی دارد. استخراج روابط ریاضی حاکم بر پدیده انتقال رسوبات بسیار پیچیده است. برای شبیه­سازی چنین پدیده­هایی، می­توان از روش­های داده­محوری مانند روش کنترل گروهی داده­ها (gmdh) استفاده کرد که یک رویکرد خودسازماندهی داده بوده و روشی برای شناسایی روابط غیرخطی بین متغیرهای ورودی و خروجی به­کار می­رود. در پژوهش حاضر، با استفاده از روش فوق مدلی برای پیش­بینی نرخ انتقال رسوب در سیستم رودخانه­ توسعه داده شده است. برای بررسی کارایی مدل­ها از داده­های دبی روزانه جریان و غلظت بار معلق رسوب دو ایستگاه rio valencia no و quebrada blanca استفاده شده است. بررسی کارایی مدل­ها با استفاده از معیارهای آماری mse، rb و  r2انجام شده است. مقادیر معیارهای آماری به دست آمده و نیز مقایسه نتایج با سایر الگوریتم­ها مانند شبکه­های عصبی، نروفازی و برنامه­ریزی ژنتیک خطی نشان داد که روش گروهی کنترل داده­ها نسبت به سایر روش­ها از قابلیت بالاتری برای پیش­بینی و شبیه­سازی نرخ انتقال رسوب در رودخانه­ها برخوردار است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

برآورد بار معلق در سیستم رودخانه ای با استفاده از روش گروهی کنترل داده ها (GMDH)

Accurate estimation of sediment load in rivers and reservoirs is an important issue in hydraulic engineering as it affects the design, management and operation of water resources projects. Extract of mathematical relationship in sediment transportation has special complexity. Data-driven methods can be used for Modeling of these phenomena. One of these heuristic self organization methods is Gro...

متن کامل

بررسی کارایی شبکه عصبی مصنوعی در برآورد بار معلق رودخانه با استفاده از داده های دسته‌بندی‌شده

بار رسوب جریان، شاخص مفیدی در پیش‌بینی فرسایش خاک در حوزه‌های آبخیز است؛ بنابراین تدوین مدلی برای برآورد بار رسوب می‌تواند در مدیریت و اجرای پروژه‌های آبخیزداری و مهندسی رودخانه مفید باشد. در این پژوهش روش دسته‌بندی داده‌ها به‌عنوان راه‌کاری برای افزایش دقت شبکه عصبی مصنوعی در تدوین مدل برآورد رسوب معلق بررسی شد. بدین منظور، میزان آورد رسوبات معلق رودخانه‌های خلیفه‌ترخان و چهل‌گزی در حوضۀ قشلاق...

متن کامل

مدل سازی رابطه دبی_اشل در رودخانه با استفاده از روش شبکه های عصبی مصنوعی(ann) و روش کنترل گروهی داده ها(gmdh)(مطالعه موردی: رودخانه اسکویلکیل)

پیش بینی جریان در رودخانه ها، یکی از مهم ترین مولفه های فرآیندهای هیدرولیکی و هیدرولوژیکی در مدیریت منابع آب می باشد. به منظور کاربردهای هیدرولوژیکی گوناگون نظیر تجزیه و تحلیل بیلان آب و رسوب و همچنین پروژه های کنترل و بهره برداری از مخازن، وجود اطلاعات دقیقی از شرایط دبی جریان در رودخانه بسیار مهم می باشد. از این رو هیدرولوژیست ها از داده های تاریخی جهت ایجاد یک رابطه میان دبی جریان و تراز سطح...

متن کامل

مقایسه برآورد بار رسوب معلق رودخانه با استفاده از روش‌های رگرسیون‌گیری و الگوریتم ژنتیک

The rivers sediment load is determined using hydrologic methods. In the statistical methods, by measuring the rivers discharge and suspended sediment load in a long-term period, the relationships between the suspended sediment load and discharge is obtained. The aim of this study is to compare different estimation methods of suspended load and select the most appropriate relationship for the pr...

متن کامل

مدل‌سازی رابطه دبی_اشل در رودخانه با استفاده از روش شبکه‌های عصبی مصنوعی(ANN) و روش کنترل گروهی داده‌ها(GMDH)(مطالعه موردی: رودخانه اسکویلکیل)

پیش‌بینی جریان در رودخانه‌ها، یکی از مهم‌ترین مولفه‌های فرآیندهای هیدرولیکی و هیدرولوژیکی در مدیریت منابع آب می‌باشد. به منظور کاربردهای هیدرولوژیکی گوناگون نظیر تجزیه ‌و‌تحلیل بیلان آب و رسوب و همچنین پروژه‌های کنترل و بهره‌برداری از مخازن، وجود اطلاعات دقیقی از شرایط دبی جریان در رودخانه بسیار مهم می‌باشد. از این رو هیدرولوژیست‌ها از داده‌های تاریخی جهت ایجاد یک رابطه میان دبی جریان و تراز سط...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
پژوهشنامه مدیریت حوزه آبخیز

جلد ۷، شماره ۱۳، صفحات ۲۲۹-۲۱۸

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023