مقایسه روابط تجربی رواناب-رسوب حاصل از منحنی های سنجه رسوب و شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز گدارخوش، استان ایلام)
Authors
abstract
از مهمترین عوامل تصمیمگیری در احداث سازههای رودخانهای و تعیین عمق مفید سدها داشتن دادهای دقیق از میزان رسوب حمل شده توسط رودخانهها است. روشهای چندی برای محاسبه برای بار معلق رودخانهها پیشنهاد شده است. یکی از این روشها، روش هیدرولوژیکی منحنی سنجه رسوب است. از خطاهای عمده روش مذکور عدم لحاظ اختلافهای فصلی میباشد. بر این اساس هدف از تحقیق حاضر ارزیابی اثر ارائه منحنی سنجه رسوب در دورههای کم آبی و پر آبی بر میزان خطای تخمین رسوب و مقایسه روش مذکور با روش شبکه عصبی مصنوعی میباشد. جهت دستیابی به این مهم با ترسیم منحنی تداوم جریان و روش اداره عمران ایالات متحده (usbr) اقدام به محاسبه میزان رسوب معلق روزانه و منحنی سنجه های رسوب کم آبی و پر آبی ترسیم گردید سپس نتایج حاصله با نتایج به دست آمده از روش شبکه عصبی مصنوعی مورد مقایسه قرار گرفت. در نهایت به وسیله معیارهای آماری سنجش خطا شامل خطای نسبی (re)، کارایی مدل (ef)، ریشه میانگین مربعات خطا (rmse) و ضریب تبیین (r2) اقدام به ارزیابی خطاهای روشهای مذکور نموده نتایج مبین قابلیت بالای روش شبکه عصبی مصنوعی با ضرایب تبیین و کارایی به ترتیب 903 /0 و 89/0 و ریشه میانگین مربعات خطا و خطای نسبی به ترتیب 322/0 و 22/6 میباشد.
similar resources
مقایسه مدلهای شبکه عصبی مصنوعی و منحنی سنجه رسوب در شبیهسازی میزان رسوب معلق؛ مطالعه موردی حوزه آبخیز شاهرود
این پژوهش با هدف مقایسه کارآیی برخی مدلهای شبیهسازی میزان رسوب معلق شامل منحنی سنجه رسوب و شبکه عصبی مصنوعی و ارائه مدل بهینه بر اساس دبی جریان در حوزه آبخیز شاهرود و بر روی ایستگاههای هیدرومتری گلینک، باغکلایه، لوشان و رجائی دشت انجام شد. به منظور شبیهسازی میزان رسوب معلق از مدل منحنی سنجه رسوب یک خطی و مدلهای شبکه عصبی پرسپترون چند لایه و تابع پایه شعاعی بهره گرفته و سپس ارزیابی این مدل...
full textشبیهسازی بار رسوب معلق با استفاده از روشهای شبکه عصبی مصنوعی، عصبی-فازی و منحنی سنجه رسوب در حوزه آبخیز هلیلرود
در کشورهای در حال توسعه، بهعلت مشکلات مالی و فنی بهطور معمول دادههای رسوب اندکی اندازهگیری میشوند، لذا، مدلی که بتواند با استفاده از دادههای دبی آب، میزان بار رسوبی را برآورد کند، میتواند گزینه قابل اطمینانی باشد. با توجه به کاربرد انواع مدلها در پیشبینی رسوب، این تحقیق با هدف ارائه مدل بهینه برآورد میزان رسوب معلق بر اساس دبی جریان بر روی ایستگاههای هیدرومتری بالادست رودخانه ...
full textمقایسه روشهای تخمین رسوب معلق روزانه با استفاده از روشهای منحنی سنجه رسوب و شبکه عصبی (مطالعه موردی: ایستگاه قزاقلی، استان گلستان)
full text
مقایسه روشهای شبکه های عصبی مصنوعی، فازی-عصبی تطبیقی و منحنی سنجه رسوب در برآورد رسوبات معلق رودخانه ها (مطالعه موردی: رودخانه آجی چای)
ارائه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانهها در پروژههای آبی، مهندسی رودخانه و آبیاریکاربردهای فراوانی دارد. به دلیل تأثیر پارامترهای مختلف بر انتقال رسوبات در رودخانهها، تعیین معادلات حاکم برآن مشکل بوده و مدلهای ریاضی نیز در این راستا از دقت کافی برخوردار نیستند. امروزه استفاده از سیستمهایهوش مصنوعی به عنوان راهکاری جدید در تحلیل مسائل آبی، گسترش یافته است. در تحقیق حاضر منطق فازی-ع...
full textمقایسه میزان کارآیی شبکه عصبی مصنوعی و مدل های رگرسیونی، منحنی سنجه 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...
full textبهینه سازی روابط دبی-رسوب با استفاده از روش های اصلاح منحنی سنجه رسوب (مطالعه موردی: حوزه آبخیز سد دز)
از مهم ترین عوامل تصمیم گیری در احداث سازه های آبی بر روی رودخانه ها و تعیین عمر مفید سدها، داشتن اطلاعات در مورد میزان رسوب معلق حمل شده توسط رودخانه هاست. علی رغم اهمیت رسوب معلق، اطلاعات دقیق و صحیح از این پدیده، بسیار کم می باشد. معمولاً برای تعیین میزان رسوب معلق، از روش های آماری استفاده می شود. از آن جا که منحنی سنجه رسوب و اصلاحات انجام شده روی آن، به عنوان روش آماری پایه برآورد رسوب معل...
15 صفحه اولMy Resources
Save resource for easier access later
Journal title:
پژوهش های فرسایش محیطیجلد ۲، شماره ۳، صفحات ۲۹-۴۳
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023