مقایسه کارآیی مدل سنجه رسوب و شبکه عصبی مصنوعی در برآورد بار کف رودخانه‌ها

نویسندگان

  • امین صالح پورجم استادیار آبخیزداری، پژوهشکدة حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
  • جمال مصفایی استادیار آبخیزداری، پژوهشکدة حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
  • محمودرضا طباطبائی استادیار آبخیزداری، پژوهشکدة حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
چکیده

به دلیل مشکلات نمونه‎برداری و عدم دقّت کافی معادلات تجربی، سنجش و گزینش مناسب‎ترین روش‎های برآورد رسوبات بار کف، اهمّیّت زیادی دارد.هدف پژوهش حاضر، مقایسة کارآیی مدل‎های آماری شبکة عصبی مصنوعی و منحنی سنجة رسوب در برآورد رسوبات بار کف است؛ بدین منظور، ابتدا 5 ایستگاه هیدرومتری دارای بیشترین تعداد نمونه انتخاب شدند؛ سپس منحنی سنجة رسوب و مدل شبکة عصبی مصنوعی با 70% داده‌های آنها ساخته و ارزیابی دقّت برآورد دو مدل با 30% باقیماندة نمونه‎ها انجام شد. نتایج نشان داد که در تمامی ایستگاه‎ها، با افزایش مقادیر دبی جریان، رسوبات بار کف نیز افزایش می‌یابد. میانگین سطح معنی‎داری تفاوت بین مقادیر مشاهداتی و برآوردی مدل شبکة عصبی مصنوعی (59/0) بالاتر از مدل منحنی سنجة رسوب (14/0) است که نشان‎دهندة تفاوت کمتر مقادیر مشاهداتی و برآوردی مدل شبکة عصبی مصنوعی نسبت به مدل منحنی سنجة رسوب و صحّت بیشتر برآوردهای مدل شبکة عصبی مصنوعی است؛ همچنین در تمام ایستگاه‎ها، شاخص مجذور میانگین مربعات خطا برای مدل شبکة عصبی مصنوعی کمتر از مدل منحنی سنجة رسوب است، به طوری که مجموع مجذور میانگین مربعات خطای پنج ایستگاه برای مدل شبکة عصبی مصنوعی و منحنی سنجة رسوب به ترتیب برابر 7/2505 و 3/5195 محاسبه شد. بالاتر بودن ضریب همبستگی بین مقادیر مشاهداتی و برآوردی در هر پنج ایستگاه، با استفاده از مدل شبکة عصبی مصنوعی (765/0) نسبت به مدل منحنی سنجة رسوب (5038/0)، نشان از تخمین‎های دقیق‎تر مدل شبکة عصبی مصنوعی دارد. در نهایت، مدل شبکة عصبی مصنوعی که از دقّت بالاتری نسبت به مدل سنجة بار کف برخوردار است، به عنوان مدل برتر انتخاب شد. با توجّه به مشکلات اندازه‎گیری رسوبات بار کف و اریب زیاد ناشی از محاسبة بار بستر به عنوان درصدی از بار معلّق، نتایج این پژوهش می‎تواند کمک شایانی به برآورد دقیق‎تر بار بستر و نیز بار کلّ رسوبی نماید.  

برای دانلود باید عضویت طلایی داشته باشید

برای دسترسی به متن کامل این مقاله و 10 میلیون مقاله دیگر ابتدا ثبت نام کنید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

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...

متن کامل

مقایسه میزان کارآیی شبکه عصبی مصنوعی و مدل‌های ‏رگرسیونی، منحنی‌سنجه 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...

متن کامل

قابلیت شبکه های عصبی مصنوعی جهت مدل سازی چند ایستگاهه بار معلق در مقایسه با روش منحنی سنجه رسوب

رسوبات حمل شده توسط رودخانه می تواند باعث بوجود آمدن خساراتی به اراضی کشاورزی و تأسیسات آبی گردد. برآورد صحیح بار رسوب در تأسیسات آبی مانند سدها باعث جلوگیری از صرف هزینه های اضافی خواهد شد. کشور ما ایران با دارا بودن رودخانه های متعدد، پتانسیل بالایی جهت ایجاد سد دارد. یکی از دلایل آن کاهش یافتن ظرفیت انتقال آب توسط مقطع رودخانه به دلیل انباشتگی رسوبات می باشد. لذا بررسی پدیده رسوب و برآورد رس...

متن کامل

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...

متن کامل

شبیه‌سازی بار رسوب معلق با استفاده از روش‌های شبکه عصبی مصنوعی، عصبی-فازی و منحنی سنجه رسوب در حوزه آبخیز هلیل‌رود

در کشورهای در حال توسعه، به‌علت مشکلات مالی و فنی به‌طور معمول داده‌­های رسوب اندکی اندازه‌گیری می­‌شوند، لذا، مدلی که بتواند با استفاده از داده­‌های دبی آب، میزان بار رسوبی را برآورد کند، می­تواند گزینه قابل اطمینانی باشد. با توجه به کاربرد انواع مدل­‌ها در پیش‌­بینی رسوب، این تحقیق با هدف ارائه مدل بهینه­ ­برآورد میزان رسوب معلق بر اساس دبی جریان بر روی ایستگاه­‌های هیدرومتری بالادست رودخانه ...

متن کامل

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

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-ع...

متن کامل

ذخیره در منابع من

ذخیره در منابع من ذخیره شده در منابع من

{@ msg_add @}

  با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی راحت تر خواهید کرد

دانلود متن کامل

برای دسترسی به متن کامل این مقاله و 10 میلیون مقاله دیگر ابتدا ثبت نام کنید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید


عنوان ژورنال:

دوره 7  شماره 24

صفحات  33- 44

تاریخ انتشار 2017-09-23

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

copyright © 2015-2021