برآورد غلظت رسوب معلق روزانه با استفاده از شبکه عصبی مصنوعی و خوشه بندی داده ها به روش نگاشت خود سازمان ده (مطالعه موردی: ایستگاه هیدرومتری سیرا - رودخانه کرج)

Authors

محمودرضا طباطبایی

کریم سلیمانی

محمود حبیب نژاد روشن

عطااله کاویان

abstract

امروزه برآورد دقیق بار رسوب معلق رودخانه ای از جنبه های مختلف مهندسی منابع آب، مسائل زیست­محیطی و کیفیت آب از اهمیت ویژه ای برخوردار است. در این راستا، مدل های هیدرولوژیکی حوزه، به­دلیل عوامل متعدد تاثیرگذار ثابت و متغیر، کارایی مناسبی در برآورد میزان رسوب معلق از خود نشان نداده اند. همچنین اغلب مطالعات شبیه سازی برآورد رسوب معلق، تنها بر مبنای دبی جریان خروجی حوزه استوار است که نتایج حاصله نیز، گواه بر عدم کارآیی مطلوب آنها است. این در حالی است که عوامل تاثیرگذاری همچون نوع بارش، فصل سال و شکل هیدروگراف جریان که نقش عمده ای در این فرآیند ایفا می نمایند در شبیه سازی برآورد میزان رسوب معلق نادیده گرفته شده اند. در پژوهش حاضر، از روش شبکه عصبی پرسپترون چند لایه و داده های آب و هواشناسی (دبی و غلظت رسوب معلق روزانه جریان، متوسط بارش و دمای روزانه) حوزه آبخیز سد کرج در یک دوره زمانی 30 ساله (1360 تا 1390) به­منظور برآورد غلظت رسوب معلق روزانه ایستگاه هیدرومتری سیرا استفاده شده است. در این روش، با توجه به نقش تغییرات فصلی و وضعیت جریان در تولید و انتقال رسوب حوزه، ابتدا بر اساس سه متغیر رژیم بارش، وضعیت هیدروگراف جریان و نوع رواناب حاصل از بارش، داده های مورد استفاده به 5 گروه تفکیک و سپس برای هر گروه، مدل جداگانه ای طراحی گردید. همچنین به منظور افزایش قدرت تعمیم دهی مدل ها، از شبکه عصبی نگاشت خود سازمان ده ( som ) جهت خوشه بندی و از شاخص سیلهوت، در تعیین تعداد بهینه خوشه ها استفاده شد. نتایج پژوهش نشان داد که استفاده از متغیرهای بارش و دمای روزانه، به همراه دبی جریان و تفکیک زمانی داده ها، نقش مهمی در افزایش دقت برآورد رسوب رودخانه داشته است. در این رابطه، بیشترین خطای محاسبه شده در بین مدل ها زمانی است که برای تمامی فصول سال، تنها از یک مدل واحد، جهت برازش به داده ها استفاده می گردد. نتایج این پژوهش می تواند به­عنوان الگوئی مناسب در برآورد رسوب معلق سایر رودخانه های کشور مورد استفاده قرار گیرد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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...

full text

کاربرد سنجش از دور و شبکه عصبی مصنوعی در تخمین غلظت رسوب معلق رودخانه (مطالعه موردی: رودخانه کارون)

Spectral Reflectance of suspended sediment concentration (SSC) remotely sensed by satellite images is an alternative and economically efficient method to measure SSC in inland waters such as rivers and lakes, coastal waters, and oceans. This paper retrieved SSC from satellite remote sensing imagery using radial basis function networks (RBF). In-situ measurement of SSC, water flow data, as well ...

full text

مدلسازی بار معلق رسوب با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی-عصبی مطالعه موردی: ایستگاه سیرا- رودخانه کرج

چکیده: مطالعه حاضر به بررسی مدل های شبکه عصبی مصنوعی، سیستم استنتاج فازی- عصبی و منحنی سنجه رسوب برای مدلسازی بار معلق رسوب پرداخته است. در شبکه عصبی مصنوعی از روش پس انتشار و در سیستم استنتاج فازی- عصبی از سیستم استنتاج سوگنو استفاده شده است. در مدل های آموزش داده شده از داده های دبی جریان، اشل، دمای آب و غلظت رسوب معلق مربوط به ایستگاه سیرا واقع بر روی رودخانه کرج استفاده شده است. نتایج ...

15 صفحه اول

مقایسه 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...

full text

برآورد بار رسوب معلق روزانه با استفاده از روش های محاسبات نرم (شبکه عصبی، نروفازی و الگوریتم ژنتیک) و داده های آب و هواشناسی (مطالعه موردی در ایستگاه هیدرومتری سیرا – حوزه آبخیز کرج)

برآورد دقیق مقدار رسوب معلق رودخانه ها، به دلیل نقش و اثرات منفی آن در کاهش شاخص های کیفی آب، انتقال آلودگی، کاهش ظرفیت مخازن و کانال ها، از اهمیت ویژه ای برخوردار می باشد. در پژوهش حاضر، که با هدف برآورد هر چه دقیق تر مقدار غلظت و بار رسوب معلق روزانه ایستگاه هیدرومتری سیرا (واقع بر رودخانه کرج در حوزه آبخیز سد کرج) انجام گردیده، برآورد رسوب معلق، از دو منظر کاملا"متفاوت مورد بررسی قرار گرفته ...

15 صفحه اول

My Resources

Save resource for easier access later


Journal title:
پژوهشنامه مدیریت حوزه آبخیز

جلد ۵، شماره ۱۰، صفحات ۹۸-۱۱۶

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023