آمار
| تعداد نشریات | 43 |
| تعداد شماره‌ها | 1,228 |
| تعداد مقالات | 15,067 |
| تعداد مشاهده مقاله | 50,603,624 |
| تعداد دریافت فایل اصل مقاله | 13,696,523 |
برآورد بارکف یک رودخانه با بستر شنی با استفاده از سیستمهای تکاملی و روشهای کلاسیک ( مطالعه موردی رودخانه قطور) | ||
| دانش آب و خاک | ||
| مقاله 15، دوره 27، شماره 1، خرداد 1396، صفحه 187-197 اصل مقاله (428.34 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| کیومرث روشنگر* 1؛ داریوش حکیمی2 | ||
| 11- دانشیار دانشکده عمران، دانشگاه تبریز | ||
| 22- کارشناس ارشد مهندسی عمران سازه‌های هیدرولیکی شرکت سهامی آب منطقه‌ای آذربایجان‌شرقی | ||
| چکیده | ||
| برای جلوگیری و یا به کمینه رساندن خسارتهای وارده ناشی از فرآیند فرسایش و انتقال تاکنون روشهای کلاسیک ریاضی متعددی جهت پیشبینی انتقال رسوب ارائه شده است. این روشها بهطور عمده بر مبنای فرضیات و روشهای آماری و دادههای میدانی یا آزمایشگاهی استوارند که توسط محققان متعددی نظیر یانگ، وایت، بگنولد، هانسن پیشنهاد شده است. نتایج حاصل از روشهای کلاسیک در برآورد میزان رسوب عموماً حاکی از عملکرد نامناسب این روشها در شرایط هیدرولیکی متفاوت و حساسیت بالا به شرایط رودخانه و اندازه مواد بستر است. در این مقاله از عملکرد سیستمهای تکاملی جهت برآورد بارکف رودخانه با بستر شنی قطورچای که در استان آذربایجانغربی و در محدوده شهرستان خوی واقع گردیده با استفاده از نمونهبرداریهای انجام شده در ایستگاه پل یزدکان استفاده شده است. بدینمنظور با استفاده از روش برنامهریزی ژنتیک، پارامترهای ورودی مورد نیاز برای مدلسازی، با توجه به پارامترهای حاکم روشهای کلاسیک و همچنین مفهوم پایهای بهکار رفته در ساختار این روشها، انتخاب و بهینه شده است. سپس تحلیلهای لازم انجام شد. در مراحل مختلف مدلسازی، ضمن بررسی اثرات عوامل مؤثر در کارآیی سیستم تکاملی، ساختارهای بهینه برای هر یک از این مدلها تعیین و نتایج حاصل، با روشهای کلاسیک مقایسه شده است. نتایج حاصل نشان داد که استفاده از سیستمهای تکاملی هوشمند توانایی بالائی در پیشبینی برآورد بارکف رودخانه با بستر شنی قطورچای نسبت به دیگر روشهای کلاسیک دارد. | ||
| کلیدواژه‌ها | ||
| بار کف؛ دادههای میدانی؛ روشهای کلاسیک؛ سیستمهای تکاملی | ||
| مراجع | ||
|
شفاعی بجستان م، 1387. مبانی نظری و عملی هیدرولیک انتقال رسوب. انتشارات دانشگاه شهید چمران اهواز چاپ اول. فربودنام ن، قربانی مع، اعلمی مت، 1388. پیشبینی جریان رودخانه با استفاده از برنامهریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان). مجله دانش کشاورزی، جلد19، شماره1، صفحههای 107 تا 123. Khu ST, Liong SY, Babovic V, Madsen H and Muttil N, 2001. Genetic programming and its application in real- time runoff forming. Journal of American Water Resources Association 37(2): 439-451.
Whigham PA, Crapper PF, 2001. Modeling rainfall-runoff using Genetic Programming. Mathematical and Computer Modeling 33: 707-721.
Lopes HS, Weinert WR, 2004. EGIPSYS: An enhanced gene expression programming approach for symbolic regression problems. Applied Mathematics and Computer Science 14(3): 375-384.
Sivapragasam C, Vasudeven G, Vincent P, 2007. Genetic programming model for forecast of short and noisy data. Hydrological Process 21: 266-272.
Ferreira C, 2001. Gene expression programming: A new adaptive algorithm for solving problems. Complex Systems 13(2): 87-129. | ||
|
آمار تعداد مشاهده مقاله: 838 تعداد دریافت فایل اصل مقاله: 472 |
||