کاربرد شبکه عصبی مصنوعی در مدلسازی رسوبات معلق بادی (مطالعه موردی; دشت داراب)
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه کاشان
- نویسنده محمدرضا شکاری
- استاد راهنما عباسعلی ولی هدی قاسمیه
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
فرسایش بادی با وزش باد و حمل ذرات توسط آن شروع می شود. میزان مواد حمل شده توسط فرآیند باد به عوامل متعددی بستگی دارد. بنابراین یکی از پیچیدگی های سیستم های بادرفتی، بررسی رفتار رسوبات بادی در فرآیند فرسایش بادی می باشد. فناوری اندازه گیری حمل ذرات خاک به وسیله ی باد به دو دسته-ی مستقیم و غیرمستقیم تقسیم می شود. در فناوری غیرمستقیم، با یک تحلیل زمانی متفاوت، نقاطی از چند روز تا چندین دهه برای مشاهده ی فرسایش و رسوب گذاری در نظر گرفته می شوند و در فناوری اندازه گیری مستقیم، دبی ذرات انتقال یافته به وسیله ی باد در یک مکان ثابت توسط تله های رسوب گیر نمونه برداری می شوند. در این پژوهش، منطقه ی کرسیای داراب به عنوان منطقه ی مورد مطالعه به منظور مدل سازی رسوبات بادی با استفاده از شبکه های عصبی مصنوعی و مدل رگرسیونی در نظر گرفته شد. به منظور اجرای این تحقیق، ابتدا از روش اندازه گیری مستقیم و از تله ی رسوب گیر mdco جهت نمونه-برداری از رسوبات استفاده گردید. سپس نمونه برداری از رسوبات در سه تیپ گیاهی halocnemum strobilaceum، tamarix aphylla و juncus gerardi به منظور تأثیر پوشش های گیاهی در به دام انداختن رسوبات انجام شد و بیشترین رسوبات در تیپ گیاهی halocnemum strobilaceum نمونه برداری شد. آنگاه از شبکه های عصبی مصنوعی mlp و rbf و معادلات رگرسیونی پایه در مدل سازی و برازش رسوبات بادی استفاده گردید. به منظور مدل سازی رسوبات بادی در منطقه، پارامترهای اقلیمی (شامل متوسط سرعت باد بر حسب m/s، تبخیر بر حسب mm، رطوبت نسبی بر حسب %، دمای کمینه، دمای بیشینه و دمای متوسط بر حسب c° در روز) و همچنین درصد پوشش گیاهی تیپ به عنوان متغیرهای مستقل و میزان رسوب پیش بینی شده به عنوان متغیر وابسته ی مدل انتخاب گردید. در نهایت نتایج حاصل از مقایسه ی عملکرد مدلها نشان داد که شبکه ی عصبی mlp با ضریب تعیین 95/0 و ریشه ی میانگین مربعات خطای 020/0 نسبت به شبکه ی عصبی rbf با ضریب تعیین 88/0 و ریشه ی میانگین مربعات خطای 032/0 و نیز مدل رگرسیون پایه با ضریب تعیین 87/0 و ریشه ی میانگین مربعات خطای 032/0 از کارایی بهتر و دقت بالاتری برخوردار می باشد.
منابع مشابه
کاربرد دو روش شبکه عصبی مصنوعی mlp،rbf در برآورد رسوبات بادی (مطالعه موردی: دشت کرسیا داراب)
به دلیل عدم وجود ایستگاه های سنجش میزان رسوب در فرایند فرسایش بادی، تخمین میزان بار رسوب در زمینه این فرایند امری ضروری و مهم تلقی می شود. شبکه های عصبی مصنوعی می توانند به عنوان ابزاری کارآمد جهت برآورد و شبیه سازی رسوبات موثر واقع شوند. در این تحقیق از دو نوع شبکه عصبی مصنوعی پرسپترون چند لایه و شبکه عصبی شعاعی برای برآورد و برازش مقدار رسوبات بادی در منطقه کرسیا شهرستان داراب استفاده گردید....
متن کاملمقایسه 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...
متن کاملبرآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه)
متن کامل
کاربرد شبکه عصبی موجک در تخمین رسوبات معلق رودخانهها، مطالعه موردی: رودخانه کشکان-لرستان
شبیه‌سازی و ارزیابی آورد رسوب رودخانه از جمله مسائل مهم در مدیریت منابع آب میباشد. اندازه‌گیری مقدار رسوب به روش‌های متداول عموماً مستلزم صرف وقت و هزینه زیادی بوده، گاهی از دقت کافی نیز برخوردار نیست. در این پژوهش برای تخمین رسوبات رودخانه کشکان واقع در استان لرستان، از شبکه عصبی موجک استفاده شد و نتایج آن با روش‌های مرسوم هوشمند همچون شبکه عصبی مصنوعی مقایسه شد. پارامتر دبی، دما، میزان مواد ج...
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 کاملکاربرد سنجش از دور و شبکه عصبی مصنوعی در تخمین غلظت رسوب معلق رودخانه (مطالعه موردی: رودخانه کارون)
Spectral Reflectance of suspended sediment concentration (SSC) remotely sensed by satellite images is an alternative and economically efficient method to measure SSC in inland waters such as rivers and lakes, coastal waters, and oceans. This paper retrieved SSC from satellite remote sensing imagery using radial basis function networks (RBF). In-situ measurement of SSC, water flow data, as well ...
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 کاشان
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023