بررسی مقایسه‌ای برآورد رسوبات معلق با استفاده از مدل درخت تصمیم و منحنی‌های سنجه رسوب (مطالعه موردی: استان لرستان)
نویسندگان: ثبت نشده
چکیده مقاله:
آگاهی از میزان رسوب معلق، از عوامل مهم در برآورد فرسایش حوضه و تصمیم‌گیری در مورد احداث سازههای آبی بر روی رودخانه‌هاست، همچنین برآورد بار رسوبی در رودخانهها با توجه به خسارات ناشی از آن، یکی از مهمترین و مشکل‌ترین مطالعات انتقال رسوب و مهندسی رودخانه است. بنابراین دست یافتن به شیوه‌های نوین که بتواند در این راستا مؤثر واقع گردد دارای اهمیت زیادی است. هدف از این مطالعه برآورد رسوبات معلق با استفاده از مدل درخت تصمیم با الگوریتم کارت و مقایسه نتایج با انواع منحنی سنجه رسوب می باشد. در این پژوهش از آمار دبی و رسوب متناظر ده ایستگاه آبسنجی رودخانه‌های استان لرستان استفاده گردید. نتایج نشان داد در بین انواع روش‌های منحنی سنجه و ضرایب اصلاحی به کار گرفته شده که جمعا شامل 20 روش بود، ترکیب منحنی سنجه ماهانه و ضریب اصلاحی MUVE دارای میانگین مربعات خطای کمتر و دقت بیشتری میباشد. بعد از اعمال مناسب‌ترین ضریب اصلاحی به انواع منحنی‌های سنجه رسوب، نتایج حاصل از برآورد رسوب با منحنی سنجه، با نتایج حاصل از مدل درخت تصمیم با استفاده از شاخص ضریب همبستگی، میانگین قدر مطلق خطا، ضریب دقت و میانگین مربعات خطا، مورد مقایسه قرار گرفت. نتایج، نشان دهنده مناسب بودن هر دو مدل در تخمین رسوبات معلق است که در بعضی ایستگاه‌ها منحنی سنجه و در بعضی دیگر درخت تصمیم مناسبتر به نظر میرسد. اما با توجه به مناسبتر بودن منحنی سنجه با اعمال ضرایب اصلاحی در بیشتر ایستگاه‌ها، می‌توان منحنی سنجه را مناسبتر از مدل درخت تصمیم دانست.
منابع مشابه
بررسی مقایسه ای برآورد رسوبات معلق با استفاده از مدل درخت تصمیم و منحنی های سنجه رسوب (مطالعه موردی: استان لرستان)
آگاهی از میزان رسوب معلق، از عوامل مهم در برآورد فرسایش حوضه و تصمیم گیری در مورد احداث سازه های آبی بر روی رودخانه هاست، همچنین برآورد بار رسوبی در رودخانه ها با توجه به خسارات ناشی از آن، یکی از مهم ترین و مشکل ترین مطالعات انتقال رسوب و مهندسی رودخانه است. بنابراین دست یافتن به شیوه های نوین که بتواند در این راستا مؤثر واقع گردد دارای اهمیت زیادی است. هدف از این مطالعه برآورد رسوبات معلق با ...
متن کاملبرآورد رسوب معلق با استفاده از شبکه عصبی و ارزیابی توابع آموزشی(مطالعه موردی: استان لرستان)
متن کامل
برآورد رسوب معلق با استفاده از شبکه عصبی و ارزیابی توابع آموزشی(مطالعه موردی: استان لرستان)
بهمنظور اجرای برنامه های حفاظت خاک و کاهش رسوب زایی، همچنین محاسبه و طراحی دقیق حجم مخزن سد در احداث سدهای مخزنی، ضرورت دارد که میزان تولید رسوب در یک حوزه آبخیز، ارزیابی و برآورد گردد. بطورکلی پدیده فرسایش و انتقال رسوب از پیچیدهترین مسائل هیدرودینامیکی است که تعیین دقیق معادلات حاکم بر آن بدلیل اثرات پارامترهای مختلف، به آسانی میسر نیست. حتی اگر مدلی ریاضی نیز تبیین شود، دسترسی به داده...
متن کاملبرآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه)
متن کامل
برآورد 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 کاملتعیین مناسب‌ترین روش منحنی سنجه و مقایسة آن با شبکة عصبی مصنوعی به منظور برآورد رسوبات معلق (مطالعة موردی: استان لرستان)
برآورد میزان رسوبات معلق در رودخانهها از ابعاد مختلف کشاورزی، حفاظت خاک، سد‌سازی، حیات آبزیان، و همچنین جنبههای مختلف تحقیقاتی اهمیت فراوانی دارد. روش‌های مختلفی برای بررسی و برآورد رسوبات معلق رودخانهها وجود دارد که البته توانایی این روشها در برآورد رسوبات متفاوت است. هدف از این مطالعه برآورد رسوبات معلق رودخانه با استفاده از شبکة عصبی پیش‌خور پس‌انتشار خطا با الگوریتم آموزشی لونبرگ- مارک...
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 27 شماره 3
صفحات 187- 195
تاریخ انتشار 2014-10-23
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