برآورد بار معلق در سیستم رودخانه ای با استفاده از روش گروهی کنترل داده ها (GMDH)
Authors
Abstract:
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 Group Method of Data Handling (GMDH) that is uses as a method to detect non-linear relationships between input and output variables. In this research, based on GMDH, a model has been developed for the prediction of suspended sediment concentration in river systems. The daily stream flow and suspended sediment concentration data from two stations, Rio Valencia no Station and Quebrada Blanca Station, were used for evaluating the ability of model. The accuracy of model was evaluated using mean square error (MSE), Relative Bias (RB) and determination coefficient (R2) statistics. Comparison between the results of statistical parameters of model with other algorithms like Neural Networks, Neuro-Fuzzy and Genetic Programming indicated that GMDH has high capability for predicting and simulating of suspended sediment concentration than other models.
similar resources
برآورد بار معلق در سیستم رودخانه ای با استفاده از روش گروهی کنترل داده ها (gmdh)
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...
full textبررسی 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 textمدل 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...
full textمقایسه 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...
full textمدلسازی 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...
full textMy Resources
Journal title
volume 7 issue 13
pages 229- 218
publication date 2016-07
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023