مدلسازی بار معلق رسوب با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی-عصبی مطالعه موردی: ایستگاه سیرا- رودخانه کرج

برآورد غلظت رسوب معلق روزانه با استفاده از شبکه عصبی مصنوعی و خوشه‌بندی داده‌ها به روش نگاشت خود سازمان‌ده (مطالعه موردی: ایستگاه هیدرومتری سیرا - رودخانه کرج)

بررسی امکان برآورد بار معلق رودخانه کرج با بهره‌گیری از منطق فازی و شبکه عصبی

برآورد بار معلق رودخانه یک امر مهم در طراحی سازه‌های آبی, مسائل زیست محیطی و کیفیت آب رودخانه‌ها می‌باشد. یکی از متداول‌ترین روش‌ها برای برآورد بار معلق رودخانه منحنی سنجه رسوب می‌باشد،‏‏ْ در منحنی سنجه رسوب یک رابطه رگرسیونی که به‌طور معمول از نوع توانی می‌باشد بین دبی آب و رسوب بر قرار می‌شود. با توجه به عدم قطعیت‌ها و غیر خطی بودن ارتباط بین دبی آب و رسوب, منحنی سنجه رسوب فاقد کارایی لازم برا...

تاثیر توزیع‌های احتمالاتی در افزایش دقت پیش‌بینی رسوب معلق با استفاده از شبکه‌های عصبی مصنوعی و سیستم استنتاج فازی-عصبی(مطالعه موردی: حوزه آبخیز سد دز)

توجه به ماهیت داده­های رسوب و انتخاب روش­های مناسب پردازش بر روی داده­ها قبل از ورود به مدل­های هوش مصنوعی از جمله مواردی است که می­تواند نتایج حاصل از شبیه­سازی­ها را به واقعیت نزدیک سازد. در این تحقیق تأثیر روش­های پردازش داده­های رسوب قبل از ورود به دو مدل شبکه­های عصبی مصنوعی و سیستم­های استنتاج فازی-عصبی در هفت ایستگاه حوضه سد دز مورد بررسی قرار گرفته است. بر این اساس با توجه به توزیع­های ...

ارزیابی دقت برآورد میزان انتقال رسوب معلق در سدهای مخزنی توسط سیستم استنتاج فازی- عصبی وشبکه عصبی مصنوعی (مطالعه موردی :رودخانه سفیدرود-استان گیلان)

در تحقیق حاضر، هدف مقایسه تخمین بار رسوب معلق در سدهای مخزنی با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی- عصبی می باشد. بررسیها توسط برنامه  MATLAB انجام شده است و ورودی ها شامل دبی رودخانه سفید رود و خروجی، غلظت رسوب در گام زمانی بوده است.ورودی و خروجی رسوب دارای روند مثبت بوده و 80 درصد داده ها جهت آموزش و 20 درصد داده ها جهت آزمون شبکه مورد استفاده قرار گرفت. از تعداد 229 داده موجود ...

بررسی امکان کاربرد سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) در برآورد بار رسوب معلق بابل‌رود

Sediment load estimation is one of the most important issues in rivers & dam reservoirs management and generally in water projects. Various empirical equations show that proper analytical or empirical method is not suggested for correct estimation of suspended sediment, yet. In the present study, to assessment of closer estimation to actual data of transported sediment in Ghoran Talar station l...

پیش بینی بار معلق رودخانه با استفاده از مدل‌های سری زمانی و شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه قزاقلی رودخانه گرگانرود)

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 re...