برآورد رسوب معلق با استفاده از شبکه عصبی و ارزیابی توابع آموزشی(مطالعه موردی: استان لرستان)
نویسندگان
چکیده
بهمنظور اجرای برنامه های حفاظت خاک و کاهش رسوب زایی، همچنین محاسبه و طراحی دقیق حجم مخزن سد در احداث سدهای مخزنی، ضرورت دارد که میزان تولید رسوب در یک حوزه آبخیز، ارزیابی و برآورد گردد. بطورکلی پدیده فرسایش و انتقال رسوب از پیچیدهترین مسائل هیدرودینامیکی است که تعیین دقیق معادلات حاکم بر آن بدلیل اثرات پارامترهای مختلف، به آسانی میسر نیست. حتی اگر مدلی ریاضی نیز تبیین شود، دسترسی به دادههای لازم در اکثر موارد به آسانی امکان پذیر نخواهد بود. با توجه به توانایی های شبکه های عصبی مصنوعی در شناسائی ارتباط بین متغیرهای ورودی و خروجی یک مساله، بدون در نظر گرفتن فیزیک آن مساله و نیز بدلیل ضعف مدل های فیزیکی و ریاضی در مدل کردن فرآیندهای رسوبی، این شبکه ها می توانند در مدل کردن مساله انتقال رسوب بکار روند. هدف از این مطالعه به دست آوردن الگوریتم مناسب با استفاده از شبکه عصبی پیشخور پس انتشار خطا ( feed-forward back propagation )، fitting و cascade forward back prop به منظور برآورد میزان رسوبات معلق در حوزه لرستان می باشد. به این منظور برای برآورد رسوب، از دادههای دبی، بارش و رسوب رودخانه های کاکارضا، دهنو، چم انجیر استان لرستان به صورت ماهانه استفاده شد. لازم به ذکر است که داده های رسوبات معلق در خروجی حوزه (ایستگاه چم انجیر) از پراکنش مناسب تری برخوردار است. از میان سه شبکه مورد استفاده در این مطالعه شبکه fitting به منظور برآورد میزان رسوب مناسب تشخیص داده شد. از بین سیزده الگوریتم مورد استفاده در این مطالعه، trainlm به عنوان بهترین الگوریتم با ضریب همبستگی 99/0 r= ، 10/0 rmse= ، انتخاب شد.
منابع مشابه
برآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه)
متن کامل
بررسی مقایسه‌ای برآورد رسوبات معلق با استفاده از مدل درخت تصمیم و منحنی‌های سنجه رسوب (مطالعه موردی: استان لرستان)
آگاهی از میزان رسوب معلق، از عوامل مهم در برآورد فرسایش حوضه و تصمیم‌گیری در مورد احداث سازههای آبی بر روی رودخانه‌هاست، همچنین برآورد بار رسوبی در رودخانهها با توجه به خسارات ناشی از آن، یکی از مهمترین و مشکل‌ترین مطالعات انتقال رسوب و مهندسی رودخانه است. بنابراین دست یافتن به شیوه‌های نوین که بتواند در این راستا مؤثر واقع گردد دارای اهمیت زیادی است. هدف از این مطالعه برآورد رسوبات معلق با ...
متن کاملبرآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه)
پدیدههای فرسایش و انتقال رسوب در رودخانهها یکی از مهمترین و پیچیدهترین موضوعات مهندسی رودخانه میباشد. این پدیدهها اثرات ویژهای روی شاخص های کیفی آب، کنش کف بستر و کناره های رودخانه داشته و همچنین خسارات جبران ناپذیری به طرح های عمرانی آب وارد مینماید. پیشبینی دقیق میزان رسوب رودخانهها اهمیت قابل توجهی در مدیریت منابع آب و طراحی و ساخت و همچنین برنامه ریزی در بهره برداری از سازههای آب...
متن کاملمقایسه میزان کارآیی شبکه عصبی مصنوعی و مدل‌های رگرسیونی، منحنی‌سنجه رسوب در برآورد رسوب معلق روزانه
تعیین میزان فرسایش خاک و بار رسوبی رودخانه عملاً کاری مشکل است؛ بنابراین روش های مختلفی برای آن ها پیشنهاد شده است. یکی از روش های نوین در حل مسائل مهندسی آب و همچنین برآورد رسوب معلق رودخانه ها، استفاده از شبکه عصبی مصنوعی است که با الگو برداری از شبکه مغز انسان، ضمن اجرای فرآیند آموزش، روابط درونی بین داده ها را کشف کرده و به موقعیت های دیگر تعمیم می دهد. هدف از انجام این تحقیق، بررسی کارآیی ر...
متن کاملمنابع 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 آبخیزجلد ۵، شماره ۱۰، صفحات ۸۵-۹۷
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023