برآورد بار روزانه رسوب با استفاده از مدل شبکه عصبی و swat، مطالعه موردی: حوزه آبریز کسیلیان
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده کشاورزی
- نویسنده منصور طالبی زاده
- استاد راهنما سعید مرید علی ایوبزاده
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1387
چکیده
برآورد بار رسوب از جمله مسائلی است که در بسیاری از پروژه های مربوط به منابع آب امری ضروری است. برای پرداختن به این مهم، در این تحقیق دو مدل سازی کاملا متفاوت شامل استفاده از مدل مفهومی swat و شبکه عصبی مصنوعی در شبیه سازی فرآیند رسوب در حوزه جنگلی کسیلیان مورد بررسی قرار گرفته است. منشا عدم قطعیت در مدلهای swat و شبکه عصبی و آنالیز عدم قطعیت در نتایج خروجی این مدلها از دیگر مواردی است که بدان پرداخته می شود که در کارهای قبلی کمتر مورد توجه بوده است. با توجه به حجم زیاد پارامترهای ورودی مدل swat و زمان بر بودن واسنجی و آنالیز عدم قطعیت، از روش مدل سازی معکوس و آلگوریتم sufi2 برای واسنجی و برآورد عدم قطعیت در نتایج خروجی این مدل استفاده شد. در استفاده از مدل شبکه عصبی در برآورد بار رسوب، عدم قطعیت ناشی از مقادیر اولیه وزنهای استفاده شده برای شروع آموزش شبکه و هم چنین اثر انتخاب دسته های مربوط به آموزش و نظارت شبکه شده مورد بررسی قرار گرفت. نتایج تحقیق نشان داد که مدل swat در آوردهای بالای رسوب بطور مطلوب تری شبیه سازی را به انجام رسانده و در آوردهای کم، شبکه عصبی بهتر عمل کرده است. در مجموع ضریب تعیین برای مقادیر ماهانه بار رسوب در طول دوره صحت سنجی برای نتایج swat و شبکه عصبی به ترتیب برابر با 0/61 و 0/75برآورد شد. هم چنین پارمتر های و به کار رفته برای سنجش عدم قطعیت برای مدل های swat به ترتیب برابر 0/71 و 1/62 و شبکه عصبی مصنوعی به ترتیب برابر با 0/97 و 0/95 می باشد که بیانگر کمتر بودن عدم قطعیت در نتایج مدل شبکه عصبی در برآورد بار رسوب می باشد. اما برتری مدل swat در امکان تحلیل مکانی مدل رسوب در سطح حوزه است که می تواند برای اولویت بندی زیر حوزه ها در طرح های آبخیزداری مفید باشد.
منابع مشابه
برآورد رسوب معلق با استفاده از شبکه عصبی و ارزیابی توابع آموزشی(مطالعه موردی: استان لرستان)
متن کامل
برآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی
دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیمشناسی است که اندازهگیری و برآورد آن ضروری است. با توجه به اینکه دمای خاک فقط در ایستگاههای سینوپتیک کشور اندازهگیری میشود، کمبود آن در نقاط فاقد ایستگاه از چالشهای بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...
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 کاملاستفاده از الگوریتم خوشه‌بندی فازی در تعیین میزان رسوبات بارمعلق روزانه (مطالعه موردی: حوزه آبخیز کسیلیان)
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 identif...
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 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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده کشاورزی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023