تخمین دبی بار معلق رسوب با استفاده از بهترین ساختار شبکه عصبی مصنوعی در حوزه آبخیز طالقان
عنوان مقاله: تخمین دبی بار معلق رسوب با استفاده از بهترین ساختار شبکه عصبی مصنوعی در حوزه آبخیز طالقان
شناسه ملی مقاله: JR_JWSS-18-68_008
منتشر شده در در سال 1393
شناسه ملی مقاله: JR_JWSS-18-68_008
منتشر شده در در سال 1393
مشخصات نویسندگان مقاله:
سمانه رضوی زاده - Sari Agric. Sci. & Natur. Resour. Univ., Sari, Iran.
عطااله کاویان - Sari Agric. Sci. & Natur. Resour. Univ., Sari, Iran.
مهدی وفاخواه - Tarbiat Modares Univ., Tehran, Iran.
خلاصه مقاله:
سمانه رضوی زاده - Sari Agric. Sci. & Natur. Resour. Univ., Sari, Iran.
عطااله کاویان - Sari Agric. Sci. & Natur. Resour. Univ., Sari, Iran.
مهدی وفاخواه - Tarbiat Modares Univ., Tehran, Iran.
پیشبینی میزان بار رسوب منتقل شده توسط رودخانهها، یکی از جنبههای مهم مدیریت رودخانهها، مخازن سدها و به طور کلی پروژههای آبی به شمار میرود. در تحقیق حاضر به منظور پیشبینی بار معلق رسوب رودخانه طالقان با استفاده از شبکه عصبی مصنوعی و شناسایی شبکه بهینه با بالاترین دقت، از ۵۰۰ داده روزانه متغیرهای دبی روز مورد نظر، دبی یک روز قبل، اشل و وضعیت هیدروگراف (به ترتیب با میانگین ( m۳/s ) ۸۳/۱۳، ( m۳/s ) ۴۲/۱۵، ( cm )۸۳/۸۹ و۰۳۶/۰-) به عنوان ورودی مدل و ۵۰۰ داده روزانه بار معلق رسوب متناظر، به عنوان خروجی مدل استفاده شد. دادههای مورد استفاده مربوط به بازه زمانی ۱۳۸۴- ۱۳۶۳، میباشد. با ایجاد ترکیبهای متفاوتی از متغیرهای ورودی و هم چنین با تغییر تعداد نرونهای لایه پنهان و تابع آستانه، ۸۰ شبکه عصبی متفاوت ایجاد شد، که با مقایسه دو پارامتر R۲ و RMSE در مدلهای مختلف، دقت آنها بررسی شد. نتایج نشان داد که شبکه عصبی با ساختار ۱-۹-۳ و با ترکیب پارامترهای ورودی شامل دبی روز مورد نظر، دبی یک روز قبل و اشل، با R۲ و RMSE آزمون، به ترتیب۹۷/۰ و ۰۶۸/۰ دارای بالاترین دقت میباشد. بر اساس نتایج حاصل از شبکه ۱-۹-۳، میانگین دادههای رسوب مشاهداتی و پیش بینی شده توسط مدل بهینه (مربوط به بخش آزمون)، به ترتیب۸۰۲/۱۱۲۲ و ۹۲۴/ ۱۱۸۴ (تن در روز) میباشد.
کلمات کلیدی: Sediment load, Discharge, Hydrograph condition, ANN, Taleghan river., رسوب, دبی, وضعیت هیدروگراف, ANN, رودخانه طالقان
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1204088/