بررسی کارایی مدلهای هوشمند در برآورد رسوبات معلق رودخانه‌ای (مطالعه موردی: حوزه آبخیز باباامان، خراسان شمالی)
Authors
Abstract:
Accurate estimation of the sediment volume carried by the rivers is important in water related projects and recognition and suggestion proper methods for estimating suspended sediment goals which should be conducted by related researches. Among the methods that have been recently used to model suspended sediment, machine learning based methods such as decision trees, support vector machine, and artificial neural networks are importance. In the present study, the applicability of such techniques in predicting suspended sediment load of Babaaman watershed in Bojnord, Iran has been evaluated. Input data for predicting Babaaman watershed’ suspended sediments in this project are: Debi, suspended load, raining and evaporation, which are related to the statistical period 1349 to 1380. In order to assess the accuracy and precision of the model results, statistical measures including R, RMSE, and MAE have been utilized. Consequently, the results of statistical value of R and RMSE for sediment rating curve method 0.80 and 55863.77, neural network 0.98 and 1.28, decision tree model 0.96 and 48881.56 and support vector machine 0.99 and 0.6998. The obtained values reveal that the support vector machine was more consistent with the measured values compared to the above-mentioned methods.
similar resources
برآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه)
full text
بررسی کارایی مدل RHEM در برآورد فرسایش (مطالعه موردی: حوزه آبخیز سنگانه- خراسان رضوی)
Computer simulation models are increasingly popular for predicting soil loss to quantify the processes of detachment, transport and deposition of eroded soils. To assess the effects of different management on soil erosion, selecting the best models and their validation a positive step is considered. In this research the Rangeland Hydrology and Erosion Model (RHEM) was evaluated by using soil er...
full textبرآورد 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...
full textبررسی کارایی مدل rhem در برآورد فرسایش (مطالعه موردی: حوزه آبخیز سنگانه- خراسان رضوی)
مدل های شبیه ساز عمدتاً به طور فزاینده ای در پیش بینی مقدار هدر رفت خاک و انتقال رسوب مؤثر هستند. برای ارزیابی اثرات مدیریتی مختلف روی فرسایش خاک و انتخاب بهترین اقدامات مدیریتی استفاده از مدل (خصوصا مدل های فرآیند محور) و اعتبار سنجی آنها گامی مثبت به شمار می رود. در این تحقیق مدل rhem (rangeland hydrology and erosion model) در برآورد فرسایش خاک در ایستگاه تحقیقاتی سنگانه در استان خراسان رضوی ا...
full textبررسی کارایی مدل درختان تصمیم‌گیری در برآورد رسوبات معلق رودخانه‌ای (مطالعه موردی: حوضه سد ایلام)
The real estimation of the volume of sediments carried by rivers in water projects is very important. In fact, achieving the most important ways to calculate sediment discharge has been considered as the objective of the most research projects. Among these methods, the machine learning methods such as decision trees model (that are based on the principles of learning) can be presented. Decision...
full textMy Resources
Journal title
volume 7 issue 14
pages 95- 88
publication date 2017-02
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