تخمین دبی در رودخانه ها با استفاده از شبکه عصبی

thesis
abstract

روابط دبی- اشل از روابط بسیار مهم و اساسی در تحقیقات هیدرولیکی، هیدرولوژیکی و اکولوژیکی می باشد به همین دلیل تحقیق در خصوص این روابط از اهمیت فراوانی برخوردار است. استخراج روابط دبی- اشل که معمولا به روشهای تجربی یا رگرسیونی انجام می پذیرد بسیار زمان بر و هزینه بر می باشد همچنین با توجه به اینکه روابط دبی- اشل برای یک رودخانه می تواند منحصر به فرد نباشد لزوم تحقیقات بیشتر در این زمینه آشکار تر می شود. در این تحقیق تلاش شده است با استفاده از روش شبکه عصبی روابط دبی- اشل در رودخانه زرینه رود ایستگاه ساری قمیش مدلسازی شود. از شبکه mlp جهت انجام مدل در این تحقیق استفاده شده است. این تحقیق نشان می دهد شبکه عصبی با دقت قابل قبولی، توانایی شبیه سازی روابط دبی- اشل را دارد و می تواند به جای روشهای دیگر مورد استفاده قرار گیرد. همچنین در این تحقیق تلاش شده بهترین داده ورودی که نتایج قابل قبول تری را ارایه دهد پیدا شود. تحقیقات نشان می دهد پیش بینی دبی با استفاده از اشل همان روز، روز قبل و دبی روز قبل و دو روز قبل بهترین نتایج را در رودخانه زرینه ایستگاه ساری قمیش نشان می دهد.

similar resources

تخمین هدایت الکتریکی رودخانه ها با استفاده از شبکه عصبی موجک (مطالعه موردی: رودخانه کاکارضا)

     Electrical conductivity (EC) is an important factor in river engineering, especially studying of river water quality. In this study we studied and evaluated wavelet neural network to predict the electrical conductivity of the Kakareza river (in lorestan), and the results were compared with results of artificial neural network model. For this purpose, hydrogen carbonate, chloride, sulfate, ...

full text

بررسی عملکرد مدل شبکه عصبی موجک در تخمین دبی روزانه

سیل یکی از بلایای طبیعی مهمی است که همه‌ ساله باعث ایجاد خسارت‌های مالی و جانی فراوانی به جوامع </st...

full text

تخمین ضریب پخش طولی آلاینده ها در مجاری روباز با استفاده از شبکه عصبی مصنوعی

انتقال طولی آلاینده ها یکی از مراحل مهم در فرآیند رقیق سازی آلاینده ها میباشد که شناخت آن از اهمیت ویژهایبرخوردار است. دشواری اندازه گیری ضریب انتشار طولی در رودخانهها نیاز به استفاده از روشهای مناسب مدلسازیدر پیشبینی این ضریب را بیشتر میکند. یکی از روشهای کارآمد مدل سازی شبکه عصبی مصنوعی است که یکی ازتکنیکهای هوش مصنوعی محسوب میشود. در این مدل بدون استفاده از معادلات پیچیده غیرخطی، میتوان دینا...

full text

مقایسه روش های شبکه عصبی بیزین و شبکه عصبی مصنوعی در تخمین رسوبات معلق رودخانه ها (مطالعه موردی: سیمینه رود)

زمینه و هدف: شبیه سازی و ارزیابی آورد رسوب رودخانه از جمله مسایل مهم در مدیریت منابع آب می باشد. اندازه گیری مقدار رسوب به روش های متداول عموماً مستلزم صرف وقت و هزینه زیادی بوده و گاهی از دقت کافی نیز برخوردار نمی باشد.  روش بررسی: در این پژوهش تخمین رسوب رودخانه سیمینه رود واقع در استان آذربایجان غربی، با استفاده از شبکه عصبی بیـزین مورد بررسی قرار گرفته و نتایج آن با روش های مرسـوم هوشمند هم...

full text

تخمین 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 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 رازی - دانشکده فنی و مهندسی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023