آمار
| تعداد نشریات | 44 |
| تعداد شماره‌ها | 1,303 |
| تعداد مقالات | 16,020 |
| تعداد مشاهده مقاله | 52,489,614 |
| تعداد دریافت فایل اصل مقاله | 15,217,133 |
تاثیر نوسانات سطح آب و دبی جریان بر میزان بار معلق با استفاده از شبکههای عصبی مصنوعی (مطالعه موردی : رودخانه اهر چای) | ||
| دانش آب و خاک | ||
| مقاله 3، دوره 19، پاییز و زمستان، بهمن 1388، صفحه 23-33 اصل مقاله (174.74 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| علی حسین‌زاده دلیر* ؛ داود فرسادی‌زاده؛ محمدعلی قربانی | ||
| دانشکده کشاورزی، دانشگاه تبریز | ||
| چکیده | ||
| بررسی رسوبات معلق در رودخانهها و عوامل موثر بر آن یکی از مسائل مهم در مباحث مهندسی رودخانه است. در این تحقیق تاثیر متقابل نوسانات سطح آب و دبی جریان بر میزان بار معلق با استفاده از شبکههای عصبی بررسی شد. بدین منظورحوضه آبریز اهر چای با مساحتی بالغ بر2400 کیلومتر مربع از زیر حوضههای آبریز ارس انتخاب گردید. اطلاعات و دادههای ایستگاههای تازه کند، اورنگ، کاسین، اشدلق و برمیس در بالادست سد ستارخان مورد بررسی قرار گرفت. نتیجه بررسیها نشان داد که دادههای سطح آب نسبت به دبی جریان از دقت کمتری در پیشبینی بار معلق برخوردار میباشد. حداکثر ضریب همبستگی صحتسنجی برای دادههای سطح آب 69/0 در ایستگاه اورنگ و کمترین آن 08/0 در ایستگاه اشدلق و برای دادههای دبی حداکثر مقدار این ضریب 84/0 در ایستگاه اشدلق و حداقل آن 7/0 در ایستگاه برمیس حاصل شد. دلیل عمده پایین بودن ضریب همبستگی برازش در برخی از ایستگاهها را میتوان کم بودن تعداد دادهها، عدم دقت اندازهگیری سطح آب در مقایسه با دبی جریان، فقدان توالی زمانی در دادهها بیان نمود. درسطح حوضه نیز روند کلی نتایج بدین صورت است که از بالادست به پائین دست با افزایش میزان دبی جریان و رسوب، نتایج شبکه عصبی از کیفیت بهتری درپیشبینی میزان بار معلق برخوردار بود در حالی که نوسانات سطح آب چنین روندی را نشان نداد. | ||
| کلیدواژه‌ها | ||
| اهر چای؛ بار معلق؛ دبی جریان؛ شبکههای عصبی مصنوعی؛ نوسانات سطح آب | ||
| مراجع | ||
|
بایزیدی ش م، یاسی ر، فتاحی و کارگر ع، 1384. پیش بینی و برآورد بار معلق روزانه با استفاده از شبکه های عصبی مصنوعی- مدل پرسپترون چند لایه، پنجمین کنفرانس هیدرولیک ایران، دانشکده مهندسی دانشگاه شهید با هنر کرمان، 17-19 آبان ماه 84. شفاعی بجستان م، 1384. هیدرولیک رسوب .انتشارات دانشگاه شهید چمران اهواز. فتاحی م، طوسی س ، تبار احمدی ض. 1385. تخمین میزان رسوب رودخانه نکا به کمک شبکه عصبی مصنوعی، صفحههای880-786. هفتمین سمیناربین المللی مهندسی رودخانه، بهمن ماه 85، دانشگاه شهید چمران اهواز. منهاج م ب، 1379. مبانی شبکه های عصبی ( هوش محاسباتی). چاپ اول. انتشارات دانشگاه صنعتی امیر کبیر. منتظر غ، مشفق م ذ و قدسیان م، 1381. تخمین خبره میزان رسوب رودخانه بازفت به کمک شبکه عصبی مصنوعی. صفحههای 757-749. ششمین سمینار بین المللی مهندسی رودخانه، بهمن ماه 1381، دانشگاه شهید چمران اهواز. نجمائی م، 1369. هیدرولوژی مهندسی. چاپ دوم. شماره انتشار 107. دانشگاه علم و صنعت ایران. JainSK, 2001. Development of integrated sediment rating curves using Artificial Neural Networks. Journal of Hydraulic Eng, ASCE, 127 (1), 30- 37.
Kerem Cigizoglu H, 2002. Suspended sediment estimation for rivers using Artificial Neural Networks and sediment rating curves. Turkish J Eng Envir Sci 26: 27- 36.
McCulloch WS and Pitts WH, 1943. A logical calculus of the ideas immanentin neural nets. Bull. Math. Biophys.5: 115-133
| ||
|
آمار تعداد مشاهده مقاله: 2,863 تعداد دریافت فایل اصل مقاله: 1,705 |
||