پیش بینی نرخ انتقال رسوب در امتداد ساحل با استفاده از فرمولهای نیمه تجربی و کاربرد شبکه عصبی مصنوعی در سواحل شهر نور
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده علوم دریایی و اقیانوسی
- نویسنده طیب صادقی فر
- استاد راهنما سید علی آزرم سا مهدی وفا خواه
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1391
چکیده
برآورد نرخ انتقال رسوب ساحلی از جمله مهمترین عوامل مورد نیاز در محاسبه مقدار و الگوی فرسایش و رسوبگذاری در مهندسی سواحل می باشد. طی دهه های اخیر فرمولهای تجربی مختلفی جهت بر آورد نرخ انتقال رسوب ساحلی توسط محققان زیادی ارائه شده است که هریک از روشها تحت شرایط محدود نیمرخ بستر و برای محدوده مشخصی از دانه بندی رسوب کالیبره و استفاده شده اند. یکی از پرکاربردترین این مدل ها در پیش بینی نرخ انتقال رسوب در امتداد ساحل، شبکه عصبی مصنوعی بوده که به دلیل مزیت هایی که نسبت به سایر روشها داشته، مبنای این پژوهش قرار گرفته است. هدف از پایان نامه حاضر پیش بینی نرخ انتقال رسوب در امتداد ساحل با استفاده از فرمول های نیمه تجربی و کاربرد شبکه عصبی مصنوعی در شرایط سواحل جنوبی دریای خزر( ساحل نور) می باشد. برای پیش بینی نرخ انتقال رسوب در امتداد ساحل، از شبکه عصبی مصنوعی پرسپترون چند لایه استفاده شد و به منظور ارزیابی عملکرد توابع انتقال مختلف، کلیه شبکه های مورد نظر پس از تعیین تعداد بهینه تکرار و نرون لایه پنهان با دو تابع سیگموئید و تانژانت هیپربولیک اجرا و با یکدیگر مقایسه شد. به این منظور نرخ انتقال رسوب در امتداد ساحل از اول فروردین ماه تا آخر تیرماه سال 1391 با استفاده از تله گیر ستونی معلق به صورت روزانه اندازه گیری شد. رسوب جمع آوری شده در تله، تخلیه و به آزمایشگاه منتقل شده و بعد از خشک شدن در دمای 105 درجه آون به مدت 24 ساعت، نمونه ها توزین شده و با استفاده از فرمول های مورد استفاده در گزارش نهایی داک 85 نرخ انتقال رسوب محاسبه گردید نتایج استفاده از فرمول داک 85 نشان داد که نرخ انتقال رسوب برای ساحل شهرستان نور برابر با 334340 متر مکعب بر سال می باشد. همچنین با استفاده از فرمولهای نیمه تجربی سرک (c.e.r.c)، والتون وبرنو (w.b)، گالوین (g) و کامفوس (k) نرخ انتقال رسوب اندازه گیری شده به ترتیب برابر با350400، 315360، 297840 و 359890 متر مکعب بر سال محاسبه شد. در مرحله اول شبکه عصبی مصنوعی با متغیرهایی که با روش تجزیه و تحلیل عاملی به عنوان متغیر مستقل انتخاب شده بودند، اجرا شد. نتایج نشان داد که در مجموع عملکرد شبکه با تابع انتقال تانژانت هیپربولیک بهتر از سیگموئید بوده است. بهترین شبکه، شبکه ای با ورودی های ارتفاع موج شکنا، عرض منطقه خیزآب ساحلی، سرعت جریان در امتداد ساحل و نرخ انتقال رسوب به دست آمد یک پارامتر خروجی (q) به عنوان یک شبکه، منجر به پاسخ قابل قبول تر و قابل اعتمادتری با مقدار حداکثر مقدار ضریب تبیین 0/99 برای پیش بینی نرخ انتقال رسوب شد. به این ترتیب با استفاده از شبکه عصبی مصنوعی و فرمولهای نیمه تجربی سرک و کامفوس می توان به برآورد دقیق تری از نرخ انتقال رسوب در امتداد ساحل پرداخت.
منابع مشابه
تخمین مقدار انتقال رسوب در امتداد ساحل با استفاده از فرمولهای نیمه تجربی و شبکه عصبی مصنوعی در سواحل نور
Comparisons made between the measured data carried out from September to December 2012 using a streamer trap and the results of some semi-empirical formulas including C.E.R.C, Walton and Bruno (W.B), van der Meer (V), Kamphuis (K), and an Artificial Neural Network (ANN) model. Six dominant variables are considered in the ANN model to estimate long-shore sediment transport rate. Results reveal t...
متن کاملپیشبینی نرخ انتقال رسوب موازی ساحل با استفاده از شبکۀ عصبی مصنوعی در خزر جنوبی (ساحل نور)
محاسبۀ نرخ انتقال رسوب موازی ساحل به‌منظور مطالعۀ دقیق الگوی فرسایش و رسوبگذاری، از جمله مهمترین موضوعات در مهندسی سواحل است. در پژوهش حاضر، نرخ انتقال رسوب موازی ساحل از اول فروردین ماه تا آخر تیرماه سال 1391 با استفاده از تله‌گیر ستونی معلق به‌صورت روزانه اندازه‌گیری (سواحل شهر نور، در شمال کشور ایران) شد. روابط تجربی موجود عمدتاً براساس روش‌های برازشی بر روی داده‌های م...
متن کاملکاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه
پیش‌بینی بارش یکی از مهمترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...
متن کاملاثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
متن کاملاثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
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 علوم دریایی و اقیانوسی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023