مقایسه روابط تجربی روانآب- رسوب حاصل از منحنی های - سنجه رسوب و شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز گدارخوش، استان ایلام)

نوع محتوی: طرح پژوهشی
زبان: فارسی
شناسه ملی سند علمی: R-1274248
تاریخ درج در سایت: 4 مهر 1400
دسته بندی علمی: مهندسی آب و هیدرولوژی
مشاهده: 301
تعداد صفحات: 71
سال انتشار: 1390

فایل این طرح پژوهشی در 71 صفحه با فرمت PDF قابل دریافت می باشد

  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این طرح پژوهشی:

چکیده طرح پژوهشی:

از مهمترین عوامل تصمیم گیری در احداث سازه های رودخانه ای و تعیین عمق مفید سدها داشتن دادهای دقیق از میزان رسوب حمل شده توسط رودخانه ها است. روش های چندی برای محاسبه برای بار معلق رودخانه ها پیشنهاد شده است. یکی از این روشها، روش هیدرولوژیکی منحنی سنجه رسوب است. از خطاهای عمده روش مذکور عدم لحاظ اختلاف های فصلی می باشد. بر این اساس هدف از تحقیق حاضر ارزیابی اثر ارائه منحنی سنجه رسوب در دورههای کم آبی و پر آبی بر میزان خطای تخمین رسوب و مقایسه روش مذکور با روش شبکه عصبی مصنوعی میباشد. جهت دستیابی به این مهم با ترسیم منحنی تداوم جریان و روش اداره عمران ایالات متحده (USBR) اقدام به محاسبه میزان رسوب معلق روزانه و منحنی سنجه های رسوب کم آبی و پر آبی ترسیم گردید سپس نتایج حاصله با نتایج بدست آمده از روش شبکه عصبی مصنوعی مورد مقایسه قرار گرفت. در نهایت به وسیله معیارهای آماری سنجش خطا شامل خطای نسبی (ER)، کارایی مدل (EF)، ریشه میانگین مربعات خطا (RMSE) و ضرییب تبیین ((۲)R) اقدام به ارزیابی خطاهای روشهای مذکور نموده نتایج مبین قابلیت بالای روش شبکه عصبی مصنوعی با ضرایب تبیین و کارایی به ترتیب ۰/۹۰۳ و ۰/۸۹ و ریشه میانگین مربعات خطا و خطای نسبی به ترتیب ۰/۳۲۲ و ۶/۲۲ می باشد. 

فهرست مطالب طرح پژوهشی

مقدمه
ضرورت تحقیق
اهداف تحقیق
فرضیه های تحقیق
کلیات و مفاهیم
رسوب
رسوبدهی
بار رسوب
بار شسته
بار معلق
بار بستر
نمونه برداری رسوب
رسوب موثر
رسوب پایه
روانآب
عوامل موثر در رسوبزایی حوزههای آبخیز
عوامل اقلیمی
عوامل خاکی
عوامل پستی و بلندی
پوشش گیاهی
مدیریت بهره وری از اراضی
تعریف کاربری اراضی
فرسایش آبی
مدل
روش اداره اصلاح اراضی آمریکا (۱۹۸۸) (USBR)
منحنی تداوم جریان رودخانه
رسوب نگار
شبکه عصبی مصنوعی
تاریخچه شبکه عصبی مصنوعی
تعریف و مزایای شبکه عصبی مصنوعی
مبانی زیستی شبکه عصبی مصنوعی
مراحل ساخت شبکه عصبی
مشخص کردن توپولوژی مساله
آموزش شبکه
الگوریتم پس انتشار خطا
تابع تبدیل
آزمایش شبکه
اجزاء شبکه عصبی مصنوعی
معرفی چند نوع از شبکههای عصبی مصنوعی
شبکه عصبی مصنوعی پیش خور (MNN )
کاربردهای شبکههای عصبی
مقدمه
مطالعات انجام شده در خارج از کشور
مطالعات انجام شده در کشور
جمع بندی
منطقه مورد مطالعه
وضعیت عمومی منطقه
روش تحقیق
استفاده از روش منحنی سنجه های رسوب به همراه روش USBR
جمع آوری و اصلاح آمار دبی و رسوب
ترسیم منحنی تداوم جریان
ترسیم منحنی سنجه رسوب
استخراج منحنی سنجه رسوب برای دورههای کم آبی و پر آبی
استفاده از شبکه عصبی مصنوعی
ساخت شبکه عصبی مصنوعی
تعداد نرون ها در لایه ورودی و لایه خروجی
تعداد داده ها جهت آموزش و آزمایش شبکه
تعداد نرون در لایه پنهان
نسبت یادگیری
تعداد تکرار
تابع فعال
نرمالیزه کردن
ارزیابی روش USBR و شبکه عصبی مصنوعی
ترسیم منحنی تدوم جریان
منحنی سنجه رسوب برای دوره پر آبی
منحنی سنجه رسوب برای دوره کم آبی
صحت سنجی منحنی سنجه رسوب در حالت پر آبی
صحت سنجی منحنی سنجه رسوب در حالت کم آبی
منحنی سنجه رسوب برای کل داده ها (کم آبی و پر آبی)
صحت سنجی منحنی سنجه رسوب برای یک سوم کل داده ها (کم آبی و پر آبی)
ترسیم جدول USBR
تعیین ساختار بهینه شبکه عصبی مصنوعی
ضریب تبیین در شبکه عصبی مصنوعی
ارزیابی روش منحنی سنجه های رسوب و شبکه عصبی مصنوعی

نمایش کامل متن

کلیدواژه ها:

روش اداره عمران ایالات متحده ، شبکه عصبی مصنوعی ، منحنی سنجه رسوب ، منحنی تداوم جریان ، دوره های کم آبی و پر آبی

نویسندگان