مقایسه روشهای شبکه های عصبی مصنوعی، فازی-عصبی تطبیقی و منحنی سنجه رسوب در برآورد رسوبات معلق رودخانه ها (مطالعه موردی: رودخانه آجی چای)

Authors

  • محمد رضا نیک پور گروه مهندسی آب دانشگاه تبریز
  • محمد مهدی معیری گروه مهندسی آب دانشگاه تبریز
Abstract:

ارائه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانهها در پروژههای آبی، مهندسی رودخانه و آبیاریکاربردهای فراوانی دارد. به دلیل تأثیر پارامترهای مختلف بر انتقال رسوبات در رودخانهها، تعیین معادلات حاکم برآن مشکل بوده و مدلهای ریاضی نیز در این راستا از دقت کافی برخوردار نیستند. امروزه استفاده از سیستمهایهوش مصنوعی به عنوان راهکاری جدید در تحلیل مسائل آبی، گسترش یافته است. در تحقیق حاضر منطق فازی-عصبی و شبکه های عصبی، برای تعیین میزان رسوبات معلق رودخانه آجیچای به کار برده شد و با استفاده ازدادههای دبی ،رسوب و اشل، مدلهای مذکور و منحنی سنجه رسوب تهیه گردید. همچنین دورههای آماری به سهفصل تر، خشک و ذوب برف تقسیم شده و کلیه مدلها برای این سه دوره مورد آزمایش قرار گرفتند. نتایج حاصل ازاین تحقیق نشان داد که منطق فازی-عصبی در مقایسه با شبکه های عصبی و منحنی سنجه از دقت بیشتری دربرآورد رسوبات معلق رودخانه برخوردار است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مقایسه 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...

full text

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...

full text

ارزیابی و مقایسه روشهای منحنی سنجه رسوب و شبکه عصبی مصنوعی در برآورد بار رسوب معلق (مطالعه موردی: رودخانه کارون شمالی)

شبیه سازی و ارزیابی آورد رسوب رودخانه ها از جمله مسائل مهم و کاربردی در مدیریت منابع آب می باشد. بررسی روابط تجربی و معادلات ریاضی ارائه شده نشان می دهد که هنوز روش تحلیلی یا تجربی مناسبی که بتوان بر اساس آن به برآورد درستی از میزان رسوبات حمل شده توسط رودخانه ها دست یافت، ارائه نشده است. در این پژوهش به منظور مدلسازی رسوب معلق روزانه از شبکه عصبی مصنوعی و روش منحنی سنجه ی رسوب استفاده شده اس...

کاربرد 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 ...

full text

مقایسه میزان کارآیی شبکه عصبی مصنوعی و مدل های ‏رگرسیونی، منحنی سنجه رسوب در برآورد ‏رسوب معلق روزانه

تعیین میزان فرسایش خاک و بار رسوبی رودخانه عملاً کاری مشکل است؛ بنابراین روش های مختلفی برای آن ها پیشنهاد شده است. یکی از روش های نوین در حل مسائل مهندسی آب و همچنین برآورد رسوب معلق رودخانه ها، استفاده از شبکه عصبی مصنوعی است که با الگو برداری از شبکه مغز انسان، ضمن اجرای فرآیند آموزش، روابط درونی بین داده ها را کشف کرده و به موقعیت های دیگر تعمیم می دهد. هدف از انجام این تحقیق، بررسی کارآیی ر...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 20  issue 2

pages  71- 82

publication date 2014-05-07

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023