ارزیابی عملکرد روش های داده گرا در تخمین بار کل رسوبی رودخانه های شنی
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 50، شماره: 6
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 105
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-50-6_014
تاریخ نمایه سازی: 3 خرداد 1402
چکیده مقاله:
انجام مطالعات فراوان در رابطه با انتقال رسوب و به ویژه پیشبینی این پدیده نشانگر اهمیت بسیار بالای آن در علوم مرتبط با مهندسی و مدیریت منابع آب میباشد. در این بین روشهای هوشمند در سالهای اخیر به طور موفقیت آمیزی در پیشبینی بار بستر، بار معلق و همچنین بار کل رسوب به کار گرفته شده است. با این حال با توجه به کمبود دادههای مرتبط به بار کل برای رودخانههای با بستر شنی، مطالعات انجام گرفته در این راستا محدود میباشد. هدف از تحقیق حاضر استفاده از روشهای قدرتمند ماشین بردار پشتیبان، شبکه عصبی مصنوعی و رگرسیون فرآیند گاوسی به منظور پیشبینی بار کل رسوب در ۱۹ رودخانه شنی واقع در ایالات متحده آمریکا و مقایسه نتایج حاصل با روشهای کلاسیک مرسوم میباشد. بدین منظور پارامترهای بدون بعد مختلفی مبتنی بر هیدرولیک جریان و مشخصات رسوب تعریف و عملکرد روشهای مذکور مورد ارزیابی قرار گرفت. با توجه به نتایج به دست آمده شبکه عصبی مصنوعی با دارا بودن ضریب همبستگی و معیار ناش- ساتکیف به ترتیب برابر با ۹۵۲/۰ R= و ۹۰۳/۰ NSE= برای دادههای صحتسنجی از عملکرد بهتری نسبت به دو روش دیگر برخوردار میباشد. در نهایت با انجام تحلیل حساسیت، پارامتر نسبت سرعت متوسط به سرعت برشی جریان به عنوان تاثیرگذارترین پارامتر در پیشبینی بار کل رسوب معرفی شد.
کلیدواژه ها:
نویسندگان
کیومرث روشنگر
Associate Professor, Department of Civil Engineering, University of Tabriz, Tabriz, Iran
سامان شهنازی
Department of water engineering, Faculty of civil engineering, University of Tabriz, Tabriz, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :