شبیهسازی بار رسوب معلق با استفاده از روشهای شبکه عصبی مصنوعی، عصبی-فازی و منحنی سنجه رسوب در حوزه آبخیز هلیلرود
author
Abstract:
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 هلیلرود شامل ایستگاههای هیدرومتری پل بافت، سلطانی، هنجان، چشمه عروس، میدان و کناروئیه انجام شد. در این راستا، کارایی انواع مدلهای مختلف منحنی سنجه رسوب شامل مدلهای یک خطی، دو خطی، روش حد وسط دستهها به تنهایی و نیز با ضرایب اصلاحی CF1،CF2 و FAO و مدلهای جعبه سیاه شامل شبکه عصبی مصنوعی و سامانه استنتاج عصبی-فازی در شبیهسازی رسوب معلق مورد ارزیابی قرار گرفتند. نتایج حاصل از ارزیابی این مدلها با استفاده از پارامترهای ارزیابی MAE و RMSE با استفاده از دادههای آزمون، حاکی از آن است که مدلهای عصبی-فازی در عمده ایستگاههای هیدرومتری مورد مطالعه، شامل پل بافت، هنجان و کناروئیه با میزان MAE برابر 35.07، 11958.74 و 34235.27 و RMSE بهترتیب برابر 42.07، 28672.78 و 52735.92 تن در روز بهعنوان بهترین روش برای شبیهسازی میزان بار رسوب معلق بهشمار میآیند. همچنین، مدل شبکه عصبی مصنوعی تابع پایه شعاعی در ایستگاه هیدرومتری میدان با میزان MAE برابر 384.83 و RMSE برابر 669 تن در روز، روش منحنی سنجه رسوب دو خطی در ایستگاه چشمه عروس با میزان MAE و RMSE بهترتیب 1.7 و 4.1 تن در روز و روش منحنی سنجه یک خطی با اعمال ضریب اصلاحی CF1 با MAE و RMSE برابر 9723.2 و 41235.6 تن در روز در ایستگاه هیدرومتری سلطانی بهعنوان بهترین مدلها برای شبیهسازی میزان رسوب معلق میباشند.
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 textتخمین دبی بار معلق رسوب با استفاده از بهترین ساختار شبکه عصبی مصنوعی در حوزه آبخیز طالقان
Prediction of sediment load transported by rivers is a crucial step in the management of rivers, reservoirs and hydraulic projects. In the present study, in order to predict the suspended sediment of Taleghan river by using artificial neural network, and recognize the best ANN with the highest accuracy, 500 daily data series of flow discharge on the present day, flow discharge on the past day...
full textمقایسه 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 textقابلیت شبکههای عصبی مصنوعی جهت مدلسازی چند ایستگاهه بار معلق در مقایسه با روش منحنی سنجه رسوب
رسوبات حمل شده توسط رودخانه میتواند باعث بوجود آمدن خساراتی به اراضی کشاورزی و تأسیسات آبی گردد. برآورد صحیح بار رسوب در تأسیسات آبی مانند سدها باعث جلوگیری از صرف هزینههای اضافی خواهد شد. کشور ما ایران با دارا بودن رودخانههای متعدد، پتانسیل بالایی جهت ایجاد سد دارد. یکی از دلایل آن کاهش یافتن ظرفیت انتقال آب توسط مقطع رودخانه به دلیل انباشتگی رسوبات میباشد. لذا بررسی پدیده رسوب و برآورد رس...
full textقابلیت شبکه های عصبی مصنوعی جهت مدل سازی چند ایستگاهه بار معلق در مقایسه با روش منحنی سنجه رسوب
رسوبات حمل شده توسط رودخانه می تواند باعث بوجود آمدن خساراتی به اراضی کشاورزی و تأسیسات آبی گردد. برآورد صحیح بار رسوب در تأسیسات آبی مانند سدها باعث جلوگیری از صرف هزینه های اضافی خواهد شد. کشور ما ایران با دارا بودن رودخانه های متعدد، پتانسیل بالایی جهت ایجاد سد دارد. یکی از دلایل آن کاهش یافتن ظرفیت انتقال آب توسط مقطع رودخانه به دلیل انباشتگی رسوبات می باشد. لذا بررسی پدیده رسوب و برآورد رس...
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 textMy Resources
Journal title
volume 11 issue 2
pages 452- 466
publication date 2019-06-22
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