پیش بینی بار معلق رودخانه با استفاده از مدلهای سری زمانی و شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه قزاقلی رودخانه گرگانرود)
Authors
Abstract:
Accurate estimation of suspended sediment in rivers is very important from different aspects including agriculture, soil conservation, shipping, dam construction and aquatic research. There are different methods for suspended sediment estimation. In the present study to evaluate the ability of time-series models including Markov and ARIMA in predicting suspended sediment and to compare their results to Artificial Neural Networks it was tried to use daily suspended data from Ghazaghly station of Gorganroud River, as average monthly values in Minitab 16 software and Neurosolutions 5, and finally suspended sediment was predicted for 111 months. Calculation of the error measurement indices including RMSE and NMSE based on the results of this study showed a good ability of Artificial Neural Network models in estimating average monthly suspended sediment. On the other hand between time series models, Markov model has better ability in estimating monthly suspended sediment in comparison to the ARIMA model.
similar resources
پیش بینی بار معلق رودخانه با استفاده از مدل های سری زمانی و شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه قزاقلی رودخانه گرگانرود)
برآورد میزان دقیق رسوبات معلق در رودخانه ها از ابعاد مختلف کشاورزی، حفاظت خاک، کشتیرانی، سدسازی، حیات آبزیان و ابعاد تحقیقاتی، دارای اهمیت فراوانی است. روش های مختلفی برای بررسی و برآورد رسوبات معلق رودخانه، موجود می باشد که البته توانایی این روش ها متفاوت است. در تحقیق حاضر به منظور مقایسه و بررسی توانایی مدل های سری زمانی شامل مارکف، arima و شبکه های عصبی در پیشبینی رسوب معلق، از داده های ر...
full textپیشبینی بار معلق رودخانه با استفاده از مدلهای سری زمانی و منحنی سنجه اصلاح شده (مطالعه موردی: ایستگاه قزاقلی رودخانه گرگانرود)
برآورد میزان رسوبات معلق در رودخانهها از ابعاد مختلف کشاورزی، حفاظت خاک، کشتیرانی، سد سازی، حیات آبزیان و همچنین جنبههای مختلف تحقیقاتی دارای اهمیت فراوانی است. روشهای مختلفی برای بررسی و برآورد بار معلق رودخانهها وجود دارد که توانایی این روشها در برآورد رسوبات متفاوت است. یکی از پرکاربردترین روشها در این زمینه، منحنی سنجه رسوب میباشد. روشهای نوظهوری مانند سریهای زمانی نیز وجود دارد ک...
full textپیش بینی رسوب معلق با استفاده از مدل سری زمانی تابع انتقال در ایستگاه های منتخب رودخانه گرگانرود، استان گلستان
full text
تخمین زمانی و مکانی بار معلق رودخانه آجی چای با استفاده از زمین آمار و شبکه عصبی مصنوعی
پدیده انتقال رسوب در رودخانهها از پیچیدهترین مباحث مهندسی رودخانه بوده و همواره مورد توجه کارشناسان و مهندسین آب میباشد. یکی از مشکلات عمده که سازههای هیدرولیکی بنا شده در یک رودخانه را تهدید میکند مسأله انتقال و انباشت رسوبات میباشد. لذا ارائهی راهکارهای نوین جهت برآورد دقیق بار معلق عبوری از مقاطع مختلف رودخانهها در مقیاسهای زمانی مختلف، نقش بسزایی در پیشبرد صحیح مطالعات مهندسی رودخا...
full textتخمین زمانی و مکانی بار معلق رودخانه آجی چای با استفاده از زمین آمار و شبکه عصبی مصنوعی
پدیده انتقال رسوب در رودخانهها از پیچیدهترین مباحث مهندسی رودخانه بوده و همواره مورد توجه کارشناسان و مهندسین آب میباشد. یکی از مشکلات عمده که سازههای هیدرولیکی بنا شده در یک رودخانه را تهدید میکند مسأله انتقال و انباشت رسوبات میباشد. لذا ارائهی راهکارهای نوین جهت برآورد دقیق بار معلق عبوری از مقاطع مختلف رودخانهها در مقیاسهای زمانی مختلف، نقش بسزایی در پیشبرد صحیح مطالعات مهندسی رودخا...
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 textMy Resources
Journal title
volume 6 issue 12
pages 216- 225
publication date 2016-01
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