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)

استفاده از نظام استنتاج فازی در برآورد رسوب معلق (مطالعه موردی: حوزه آبخیز طالقان)

  شبیه­سازی و ارزیابی آورد رسوب رودخانه از جمله مسائل مهم و کاربردی در مدیریت منابع آب می­باشد. بررسی روابط تجربی و معادلات ریاضی ارائه شده نشان می­دهد که هنوز روش تحلیلی یا تجربی مناسبی که براساس آن به برآورد درستی از میزان رسوبات حمل شده توسط رودخانه دست یافت، ارائه نشده است. به همین دلیل در این مطالعه به منظور دستیابی به تخمینی نزدیک به واقعیت از میزان رسوبات حمل شده توسط رودخانه­ها، از داده...

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 ...

شبیه‌سازی بار رسوب معلق با استفاده از روش‌های شبکه عصبی مصنوعی، عصبی-فازی و منحنی سنجه رسوب در حوزه آبخیز هلیل‌رود

در کشورهای در حال توسعه، به‌علت مشکلات مالی و فنی به‌طور معمول داده‌­های رسوب اندکی اندازه‌گیری می­‌شوند، لذا، مدلی که بتواند با استفاده از داده­‌های دبی آب، میزان بار رسوبی را برآورد کند، می­تواند گزینه قابل اطمینانی باشد. با توجه به کاربرد انواع مدل­‌ها در پیش‌­بینی رسوب، این تحقیق با هدف ارائه مدل بهینه­ ­برآورد میزان رسوب معلق بر اساس دبی جریان بر روی ایستگاه­‌های هیدرومتری بالادست رودخانه ...

کارایی شبکه‌های عصبی مصنوعی و سیستم استنتاج عصبی- فازی تطبیقی در مدل‌سازی بارش- رواناب در حوضه آبخیز سد زاینده‌رود

در دهه‌های اخیر به‌دلیل اهمیت یافتن مسئله آب و همینطور افزایش تمایل به محاسبه مقدار رواناب حاصل از بارش، توسعه و اجرای روشهای مناسب برای پیش‌بینی رواناب از روی داده‌های بارش به مسئله‌ای ضروری تبدیل شده است. یکی از این روشها که در بسیاری از رشته‌ها از جمله هیدرولوژی توسعه یافته است، استفاده از روشهای محاسبات نرم نظیر منطق فازی و شبکه‌های عصبی مصنوعی است. در این تح...

برآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه)

مقایسه مدل‌های شبکه عصبی مصنوعی و منحنی سنجه رسوب در شبیه‌سازی میزان رسوب معلق؛ مطالعه موردی حوزه آبخیز شاهرود

این پژوهش با هدف مقایسه کارآیی برخی مدل‌های شبیه­سازی میزان رسوب معلق شامل منحنی سنجه رسوب و شبکه عصبی مصنوعی و ارائه مدل بهینه بر اساس دبی جریان در حوزه آبخیز شاهرود و بر روی ایستگاه­های هیدرومتری گلینک، باغکلایه، لوشان و رجائی دشت انجام شد. به منظور شبیه­سازی میزان رسوب معلق از مدل منحنی سنجه رسوب یک خطی و مدل­های شبکه عصبی پرسپترون چند لایه و تابع پایه شعاعی بهره گرفته و سپس ارزیابی این مدل­...