پیش بینی نرخ انتقال رسوب در امتداد ساحل با استفاده از فرمولهای نیمه تجربی و کاربرد شبکه عصبی مصنوعی در سواحل شهر نور

thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده علوم دریایی و اقیانوسی
author طیب صادقی فر
adviser سید علی آزرم سا مهدی وفا خواه
Number of pages: First 15 pages
publication year 1391

abstract

برآورد نرخ انتقال رسوب ساحلی از جمله مهمترین عوامل مورد نیاز در محاسبه مقدار و الگوی فرسایش و رسوبگذاری در مهندسی سواحل می باشد. طی دهه های اخیر فرمولهای تجربی مختلفی جهت بر آورد نرخ انتقال رسوب ساحلی توسط محققان زیادی ارائه شده است که هریک از روشها تحت شرایط محدود نیمرخ بستر و برای محدوده مشخصی از دانه بندی رسوب کالیبره و استفاده شده اند. یکی از پرکاربردترین این مدل ها در پیش بینی نرخ انتقال رسوب در امتداد ساحل، شبکه عصبی مصنوعی بوده که به دلیل مزیت هایی که نسبت به سایر روشها داشته، مبنای این پژوهش قرار گرفته است. هدف از پایان نامه حاضر پیش بینی نرخ انتقال رسوب در امتداد ساحل با استفاده از فرمول های نیمه تجربی و کاربرد شبکه عصبی مصنوعی در شرایط سواحل جنوبی دریای خزر( ساحل نور) می باشد. برای پیش بینی نرخ انتقال رسوب در امتداد ساحل، از شبکه عصبی مصنوعی پرسپترون چند لایه استفاده شد و به منظور ارزیابی عملکرد توابع انتقال مختلف، کلیه شبکه های مورد نظر پس از تعیین تعداد بهینه تکرار و نرون لایه پنهان با دو تابع سیگموئید و تانژانت هیپربولیک اجرا و با یکدیگر مقایسه شد. به این منظور نرخ انتقال رسوب در امتداد ساحل از اول فروردین ماه تا آخر تیرماه سال 1391 با استفاده از تله گیر ستونی معلق به صورت روزانه اندازه گیری شد. رسوب جمع آوری شده در تله، تخلیه و به آزمایشگاه منتقل شده و بعد از خشک شدن در دمای 105 درجه آون به مدت 24 ساعت، نمونه ها توزین شده و با استفاده از فرمول های مورد استفاده در گزارش نهایی داک 85 نرخ انتقال رسوب محاسبه گردید نتایج استفاده از فرمول داک 85 نشان داد که نرخ انتقال رسوب برای ساحل شهرستان نور برابر با 334340 متر مکعب بر سال می باشد. همچنین با استفاده از فرمولهای نیمه تجربی سرک (c.e.r.c)، والتون وبرنو (w.b)، گالوین (g) و کامفوس (k) نرخ انتقال رسوب اندازه گیری شده به ترتیب برابر با350400، 315360، 297840 و 359890 متر مکعب بر سال محاسبه شد. در مرحله اول شبکه عصبی مصنوعی با متغیرهایی که با روش تجزیه و تحلیل عاملی به عنوان متغیر مستقل انتخاب شده بودند، اجرا شد. نتایج نشان داد که در مجموع عملکرد شبکه با تابع انتقال تانژانت هیپربولیک بهتر از سیگموئید بوده است. بهترین شبکه، شبکه ای با ورودی های ارتفاع موج شکنا، عرض منطقه خیزآب ساحلی، سرعت جریان در امتداد ساحل و نرخ انتقال رسوب به دست آمد یک پارامتر خروجی (q) به عنوان یک شبکه، منجر به پاسخ قابل قبول تر و قابل اعتمادتری با مقدار حداکثر مقدار ضریب تبیین 0/99 برای پیش بینی نرخ انتقال رسوب شد. به این ترتیب با استفاده از شبکه عصبی مصنوعی و فرمولهای نیمه تجربی سرک و کامفوس می توان به برآورد دقیق تری از نرخ انتقال رسوب در امتداد ساحل پرداخت.

Already have an account?login

similar resources

تخمین مقدار انتقال رسوب در امتداد ساحل با استفاده از فرمول‌های نیمه تجربی و شبکه عصبی مصنوعی در سواحل نور

Comparisons made between the measured data carried out from September to December 2012 using a streamer trap and the results of some semi-empirical formulas including C.E.R.C, Walton and Bruno (W.B), van der Meer (V), Kamphuis (K), and an Artificial Neural Network (ANN) model. Six dominant variables are considered in the ANN model to estimate long-shore sediment transport rate. Results reveal t...

full text

پیش‌بینی نرخ انتقال رسوب موازی ساحل با استفاده از شبکۀ عصبی مصنوعی در خزر جنوبی (ساحل نور)

محاسبۀ نرخ انتقال رسوب موازی ساحل به‌منظور مطالعۀ دقیق الگوی فرسایش و رسوب‌گذاری، از جمله مهم‌ترین موضوعات در مهندسی سواحل است. در پژوهش حاضر، نرخ انتقال رسوب موازی ساحل از اول فروردین ماه تا آخر تیرماه سال 1391 با استفاده از تله‌گیر ستونی معلق به‌صورت روزانه اندازه‌گیری (سواحل شهر نور، در شمال کشور ایران) شد. روابط تجربی موجود عمدتاً براساس روش‌های برازشی بر روی داده‌های م...

full text

پیش بینی رسوب آسفالتین با استفاده از شبکه عصبی مصنوعی بر مبنای الگوریتم ازدحام ذرات

full text

کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه

پیش‌بینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده علوم دریایی و اقیانوسی

Keywords

فرمولهای نیمه تجربی شبکه عصبی مصنوعی نرخ انتقال رسوب در امتدادساحل دریای خزر

Hosted on Doprax cloud platform doprax.com