استفاده از مدل تبرید تدریجی عصبی (NDE) در تخمین بار معلق رسوبی و مقایسه‌ی آن با مدل ANFIS و RBF مطالعه موردی: رودخانه گیوی‌چای

Authors

Abstract:

در این تحقیق، مدل تبرید تدریجی عصبی (NDE)با بهره‌گیری از ترکیب‌های ورودی مختلف برای تخمین بار معلق رسوبی روزانه به کار گرفته شد. به این منظور در اولین بخش از تحقیق، مدل NDEبا استفاده از داده‌های دبی روزانه و بار معلق رسوبی روزهای پیشین تعلیم داده شده و برای تخمین بار معلق رسوبی رودخانه گیوی‌چای مورد استفاده قرار گرفت. در دومین بخش از تحقیق، مدل NDE با استفاده از پارامترهای ضریب تبیین (R2) و خطای مجذور میانگین مربعات (RMSE )با مدل‌های سیستم استنتاجی فازی عصبی (ANFIS)و تابع پایه شعاعی (RBF) مقایسه گردید. نتایج نشان داد که مدل NDE با برخورداری از مقادیر ضریب تبیین (R2) معادل9586/0 و RMSE معادل 160 میلی‌گرم در لیتر در مقایسه با سایر مدل‌ها از قابلیت بهتری در تخمین بار معلق رسوبی برخوردار است. در تخمین حداکثر بار معلق رسوبی نیز مدل NDE، با برخورداری از مقادیر خطای نسبی (RE) معادل 47- درصد به نتایج بهتری دست یافته است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

استفاده از مدل تبرید تدریجی عصبی (nde) در تخمین بار معلق رسوبی و مقایسه ی آن با مدل anfis و rbf مطالعه موردی: رودخانه گیوی چای

در این تحقیق، مدل تبرید تدریجی عصبی (nde)با بهره گیری از ترکیب های ورودی مختلف برای تخمین بار معلق رسوبی روزانه به کار گرفته شد. به این منظور در اولین بخش از تحقیق، مدل ndeبا استفاده از داده های دبی روزانه و بار معلق رسوبی روزهای پیشین تعلیم داده شده و برای تخمین بار معلق رسوبی رودخانه گیوی چای مورد استفاده قرار گرفت. در دومین بخش از تحقیق، مدل nde با استفاده از پارامترهای ضریب تبیین (r2) و خطا...

full text

ارزیابی قابلیت مدل سیستم استنتاجی فازی عصبی(ANFIS) در تخمین مقادیر بار معلق رسوبی و مقایسه آن با 2 نوع از مدل‌های شبکه‌ی عصبی مصنوعی مطالعه موردی: رودخانه زرینه‌‌رود، حوضه جنوب‌شرقی دریاچه ارومیه

حوضه‌های جنوب شرقی دریاچه ارومیه به علت برخورداری از شرایط هیدرولوژیکی و لیتولوژیکی خواص، از میزان بالای تولید رسوب برخوردارند. با توجه به این نکته در این تحقیق برای تخمین بار معلق رسوبی روزانه از سیستم استنتاجی فازی عصبی([1]ANFIS) بهره گرفته شده است. به این منظور داده‌های دبی روزانه و بار معلق رسوبی365 روز سال 1386 و 1387 ایستگاه رسوبی واقع در رودخانه زرینه رود برای تعلیم و آزمودن مدل‌های شبکه...

full text

ارزیابی قابلیت مدل سیستم استنتاجی فازی عصبی(anfis) در تخمین مقادیر بار معلق رسوبی و مقایسه آن با ۲ نوع از مدل های شبکه ی عصبی مصنوعی مطالعه موردی: رودخانه زرینه رود، حوضه جنوب شرقی دریاچه ارومیه

حوضه های جنوب شرقی دریاچه ارومیه به علت برخورداری از شرایط هیدرولوژیکی و لیتولوژیکی خواص، از میزان بالای تولید رسوب برخوردارند. با توجه به این نکته در این تحقیق برای تخمین بار معلق رسوبی روزانه از سیستم استنتاجی فازی عصبی([1]anfis) بهره گرفته شده است. به این منظور داده های دبی روزانه و بار معلق رسوبی365 روز سال 1386 و 1387 ایستگاه رسوبی واقع در رودخانه زرینه رود برای تعلیم و آزمودن مدل های شبکه...

full text

تخمین بار رسوبی معلق با استفاده از زمین آمار، مطالعه موردی تلخه‏ رود تبریز

نظر به اهمیت بالای هیدرولیک رسوب در مهندسی رودخانه و تاثیر آن روی سازه‏های هیدرولیکی بنا شده روی رودخانه، مطالعه دقیق و برآورد صحیح میزان بار رسوب عبوری از مقاطع مختلف یک رودخانه نقش بسزایی در پیشبرد صحیح مطالعات مهندسی رودخانه خواهد داشت، ولی معمولاً بعلت وجود مشکلات فنی و اقتصادی امکان احداث و بهره‏برداری از ایستگاههای رسوب سنجی در مقاطع مختلف از بازه رودخانه وجود نداشته و لازم است برای آن مقا...

full text

استفاده از سیستم استنتاجی فازی عصبی در تخمین بار رسوبی و مقایسۀ آن با مدل‎های MLR وSRC در حوضۀ رودخانۀ قرانقو

انتقال رسوب‎ها در رودخانه‎ها با توجه به نقش آنها در مباحث هیدرولوژیکی، از اهمیت ویژه‎ای برخوردار است. این رسوب‎ها به روش‎های گوناگون اندازه‎گیری می‎شوند. اندازه‎گیری مستقیم بار معلق رسوبی در رودخانه، هزینه‎بر بوده و امکان احداث ایستگاه‎های اندازه‎گیری در تمام طول رودخانه وجود ندارد. همچنین معادله‎های مورد استفاده در تخمین بار رسوبی، برای تمام مناطق قابل استفاده نبوده و علاوه‎بر آن، نیازمند دیده...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 13  issue 39

pages  1- 16

publication date 2015-05-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023