استفاده از الگوریتم خوشه‌بندی فازی در تعیین میزان رسوبات بارمعلق روزانه (مطالعه موردی: حوزه آبخیز کسیلیان)
نویسندگان
چکیده مقاله:
In many water resource projects such as dams, flood control, navigability, river aesthetics, environmental issues and the estimation of suspended load have great importance. The complexity of sediment behavior and mathematical and physical model inability in simulation of sedimentation processes have led to the development of new technologies such as fuzzy logic which has the ability to identify nonlinear relationship between input and output variables. In this study, the application of fuzzy clustering algorithm in estimating the annual amount of sediment was studied. So, the corresponding data of flow and sediment discharge of Valykben station in kasilian basin during 1349-1350 till 1353-1354 period was daily determined. The data was divided in two groups i. e. 75% as training data and 25% for test data. Then, the efficiency of model was obtained by using statistical parameters such as correlation coefficient, nash-satklyf coefficient, mean square error root and variance ratio. The result showed that the classification of data on the annual time scale and use of fuzzy clustering algorithm can estimate 0.49 values of the measured annually suspended sediment transport. Furthermore, on the same scale of classification, i.e. annual scale, this value was obtained 0.19. Thus, using fuzzy clustering algorithm can lead to higher accuracy and reliability than rating curve method, which is suggested for estimating suspended sediment transport.
منابع مشابه
استفاده از الگوریتم خوشه بندی فازی در تعیین میزان رسوبات بارمعلق روزانه (مطالعه موردی: حوزه آبخیز کسیلیان)
تخمین دقیق بار معلق رسوبات حمل شده توسط یک رودخانه در بسیاری از پروژه های منابع آب مانند سد سازی، مهار سیلاب، قابلیت کشتی رانی، زیبایی شناسی رودخانه و مسائل زیست محیطی دارای اهمیت فراوان می باشد. پیچیدگی رفتار رسوبات سبب شده است تا فن آوری های نوین مانند منطق فازی که توانایی شناسایی ارتباط غیرخطی بین متغیرهای ورودی و خروجی یک مسئله را دارا می باشند، مورد توجه قرار گیرند. در این تحقیق کاربرد الگ...
متن کاملتخمین دبی اوج سیلاب و حجم رواناب رگبار با استفاده از شبکه عصبی- فازی تطبیقی (مطالعه موردی: حوزه آبخیز کسیلیان)
Prediction of flood peak discharge and runoff volume is one of the major challenges in the management of watersheds. The present study was carried out to estimate event flood peak discharge and runoff volume using artificial neural network (ANN) and adaptive neuro-fuzzy inference system (ANFIS) in Kasilian watershed, Iran. For this purpose, 15 rainfall characteristics were considered for 6...
متن کاملبازسازی دبی روزانه با استفاده از روش های شبکه عصبی و فازی- عصبی(مطالعه موردی: سرشاخه های حوزه آبخیز کارون)
برای برآورد دبی روزانه در مدلهای هیدرولوژی نیاز به دبیهای پیوسته در بازه زمانی روزانه هست. تعداد سالهای آماری متفاوت، نواقص آماری و خطای اندازهگیری باعث ایجاد سریهای زمانی با پایه زمانی غیرمشترک میگردد. بنابراین بازسازی دادههای دبی روزانه از اهمیت ویژهای برخوردار است. این تحقیق به‌منظور بازسازی دبی روزانه در یکی از سرشاخههای رودخانه کارون و در دو مرحله انجام گرفت. در هر دو مرحله تحقیق ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 18 شماره 68
صفحات 121- 131
تاریخ انتشار 2014-09
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023