پیشبینی توزیع غلظت رسوبات معلق با استفاده از مدل شبکهعصبی مصنوعی
نویسندگان
چکیده مقاله:
در هیدرولیک رسوب، برآورد صحیح غلظت رسوب معلق از جهات مختلف مانند تخمین دبی رسوب عبوری، جانمایی سازه های هیدرولیکی و غیره مهم می باشد. با توجه به اهمیت موضوع، در این مطالعه برای مدلسازی و پیشبینی غلظت رسوب رودخانه کارون از شبکه عصبی مصنوعی پرسپترون چند لایه(ANN/MLP) استفاده شد. بدین منظور از 125 سری داده صحرایی اندازه گیری شده شامل غلظت نزدیک کف، سرعت نقطه ای، نزدیکترین فاصله از ساحل، عمق کل جریان و عمق نقطه ای جریان استفاده شد. کارایی مدل مورد استفاده با استفاده از پارامترهای آماری مانند ضریب تبیین(R2) و ریشه میانگین مجذور خطا، میانگین خطای مطلق(RMSE)مورد ارزیابی قرار گرفت. نتایج این پژوهش نشان داد، مدل MLP با یک لایه میانی، تابع سیگمویید و 5 نرون، بهترین ساختار را در مدلسازی غلظت رسوب رودخانه کارون داشتهاند. مقدار ضریب تبیین(R2) و خطای ریشه میانگین مربعات خطا(RMSE) برابر 953/0 و 37/63 میلی گرم بر لیتر به ترتیب در مرحله آموزش و752/0 و 02/203 میلی گرم بر لیتر در مرحله صحتسنجی بوده است. همچنین آنالیز حساسیت انجام شده بر روی پارامترهای ورودی مدل نشان میدهد کمترین و بیشترین تاثیر را دو پارامتر فاصله از ساحل و عمق جریان در یادگیری شبکه عصبی مصنوعی داشتند.
منابع مشابه
تخمین غلظت رسوبات معلق رودخانهای با استفاده از تصاویر سنجنده MODIS (مطالعه موردی: ایستگاه هیدرومتری ملاثانی)
غلظت مواد معلق رودخانهای که در ایستگاههای هیدرومتری به روشهای مستقیم و سنتی اندازهگیری میشوند در اغلب موارد زمان بر و پر هزینه بوده و در حالی که در پارهای از مواقع با خطاهای انسانی توأم میباشند غالبا" در مقیاس زمانی و مکانی به صورت ناپیوسته محاسبه و ثبت میگردند. در این راستا، استفاده از انعکاس طیفی دادههای ماهوارهای خصوصا" تصاویر MODIS به دلیل در دسترس بودن و تصویر برداری روزانه ...
متن کاملبرآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه)
متن کامل
بررسی تأثیر شوری برتغییرات زمانی غلظت رسوبات چسبنده معلق با استفاده از فلوم دوار
رفتار رسوبات چسبنده به دلیل خاصیت فلوکوله شدن، به عوامل متعدد فیزیکی و شیمیائی وابسته است. دراین تحقیق، به منظور بررسی تأثیر شوری بر ته نشینی رسوبات چسبنده معلق آزمایشهایی در فلوم دوار انجام شد. رسوبات مورد استفاده متشکل از 2/63 درصد رس، 1/36 درصد سیلت و 7/0 درصد ماسه بود. پروفیل سرعت و تنش برشی جریان با استفاده از دستگاه سرعت سنجADV اندازهگیری شد. مدت هر آزمایش360 دقیقه و زمان لازم بر...
متن کاملکاربرد سامانههای هوشمند و روشهای آماری در تخمین توزیع غلظت رسوبات معلق
آگاهی از توزیع عمقی رسوبات معلق در کانالها و آبراهههای طبیعی در تخمین بار رسوبی جریان اهمیت بسیار زیادی دارد. هزینههای زیاد و زمانبر بودن عملیات نمونهبرداری از رودخانهها و همچنین خطای قابل توجه روشها و تجهیزات مختلف نمونهبرداری، مهندسان و محققان را به سوی مدلهای شبیهسازی و استفاده از روشهای نوین آماری سوق داده است. در این مطالعه، برای تخمین توزیع غلظت رسوبات معلق از سه روش شبکههای ع...
متن کاملبرآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه)
پدیدههای فرسایش و انتقال رسوب در رودخانهها یکی از مهمترین و پیچیدهترین موضوعات مهندسی رودخانه میباشد. این پدیدهها اثرات ویژهای روی شاخص های کیفی آب، کنش کف بستر و کناره های رودخانه داشته و همچنین خسارات جبران ناپذیری به طرح های عمرانی آب وارد مینماید. پیشبینی دقیق میزان رسوب رودخانهها اهمیت قابل توجهی در مدیریت منابع آب و طراحی و ساخت و همچنین برنامه ریزی در بهره برداری از سازههای آب...
متن کاملبررسی تأثیر شوری برتغییرات زمانی غلظت رسوبات چسبنده معلق با استفاده از فلوم دوار
رفتار رسوبات چسبنده به دلیل خاصیت فلوکوله شدن، به عوامل متعدد فیزیکی و شیمیائی وابسته است. دراین تحقیق، به منظور بررسی تأثیر شوری بر ته نشینی رسوبات چسبنده معلق آزمایشهایی در فلوم دوار انجام شد. رسوبات مورد استفاده متشکل از 2/63 درصد رس، 1/36 درصد سیلت و 7/0 درصد ماسه بود. پروفیل سرعت و تنش برشی جریان با استفاده از دستگاه سرعت سنجadv اندازهگیری شد. مدت هر آزمایش360 دقیقه و زمان لازم برای رس...
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 17 شماره 2
صفحات 27- 35
تاریخ انتشار 2018-07-23
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
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023