مدل سازی مبتنی بر هوش محاسباتی در برآورد بار معلق رودخانه (ایستگاه باقرآباد قمرود)

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 61

فایل این مقاله در 27 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ARIDSE-23-88_006

تاریخ نمایه سازی: 4 شهریور 1402

چکیده مقاله:

برآورد مقدار رسوب رودخانه در طراحی و اجرای سازه های آبی و ساماندهی رودخانه از اهمیت به سزایی برخوردار است. شبیه سازی و ارزیابی رسوب رودخانه از جمله مسائل مهم و کاربردی در مدیریت منابع آب هست. بنابراین دست یافتن به شیوه های نوین و خلاقانه که بتواند در این راستا موثر واقع گردد دارای اهمیت زیادی است. هدف از این پژوهش ارزیابی و مقایسه مدل های فازی- عصبی تطبیقی (ANFIS)، ماشین بردار پشتیبان (SVM) و برنامه ریزی بیان ژن GEP در برآورد بار رسوبایستگاه باقرآباد رودخانه قمرود استان مرکزی می باشد. بدین منظور عملکرد سه نوع مدل ماشین بردار پشتیبان (SVM)، سیستم عصبی فازی-تطبیقی (ANFIS) و برنامه ریزی بیان ژن GEP در شبیه سازی بار رسوبی رودخانه ها پرداخته، سپس نتایج سه روش با یکدیگر و با نتایج منحنی سنجه مورد مقایسه قرار گرفت. نتایج بیانگر عملکرد قابل قبول مدل ها نسبت به منحنی سنجه می باشد. همچنین نتایج برتری مدل GEP با بیشترین ضریب تعیین R۲ با مقدار۹۹/۰ و کمترین ریشه میانگین مربعات خطا RMSE بر حسب تن در روز با مقدار ۰۱۰/۰ نشان داد. در این خصوص کارآیی مدلSVR تا حدی بهتر از مدل ANFIS بود. نتایج به دست آمده نشان داد هر سه روش داده کاوی بررسی شده به مراتب نتایج بهتری نسبت به منحنی سنجه رسوب ارائه می کننند.

کلیدواژه ها:

برنامه ریزی بیان ژن ، شبکه عصبی ، رسوب ، ماشین بردار پشتیبان

نویسندگان

امیر مرادی نژاد

استادیار بخش حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان مرکزی، سازمان تحقیقات، آموزش و ترویج کشاورزی.

عباس پارسائی

استادیار، گروه سازه های آبی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز ایران

سعید خسروبیگی

دکتری آبخیزداری و رئیس بخش فنی و مهندسی اداره کل منابع طبیعی استان مرکزی.

احمد حسینی

استادیار بخش مهندسی رودخانه و سواحل، پژوهشکده حفاظت خاک و آبخیزداری کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران ایران.

محمودرضا طباطبایی

استادیار پژوهشی، پژوهشکده حفاظت خاک و آبخیزداری کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران ایران.

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 :
  • Asadi, M., and Fathzadeh, A. (۲۰۱۷) Investigating the effectiveness of ...
  • Aytek A. and O. Kisi. ۲۰۰۸. A genetic programming approach ...
  • Dehghani, A. A., Zanganeh, M. A., Mosaedi, A. and Kohestani, ...
  • Duan, W.L.; He, B.; Takara, K.; Luo, P.P.; Nover, D. ...
  • Eder, A.P.; Strauss, T.; Krueger, B.; ۱and, J.N. and Quinton, ...
  • Ferreira C. ۲۰۰۱. Algorithm for solving gene expression programming: a ...
  • Jain, A., and Kumar, A.M. ۲۰۰۷. Hybrid neural network models ...
  • Jang, J.S.R. ۱۹۹۳. ANFIS: adaptive-network-based fuzzy inference system. IEEE Transactions ...
  • Keshtegar, B., Piri, J., Hussan, W.U., Ikram, K., Yaseen, M., ...
  • Kisi, O., Yuksel, I., Dogan, E., (۲۰۰۸). Modelling daily suspended ...
  • Kissi O., A. Sanikhani, H. Z.M. Kermani and F. Niazi. ...
  • Kissi O. and C. Ozkan. ۲۰۱۷. A new approach foe ...
  • Mehrizi Haeri, AA, (۲۰۱۲) Data mining: concepts, methods and applications. ...
  • Moeiri, M.M., Nikpour, M.R., Hosseinzadeh Delir, A. and Farsadizadeh, ۲۰۰۸. ...
  • Mosaedi, A., Zanganeh, M.A., Miftah, M., Dehghani, A.A.and Khoshrosh, M.(۲۰۰۸) ...
  • Nikpour, M. R.and Sani Khani, H.(۲۰۱۶) Modeling of river suspended ...
  • Nourani, V. ۲۰۰۹. Using Artificial Neural Network (ANNs) For Sediment ...
  • Nourani, V., Gokcekus, H., & Gelete, G. (۲۰۲۰). Estimation of ...
  • Onderka, M.; Krein, A. and Wrede, S. (۲۰۱۲). Dynamics of ...
  • Rahul, A.K., Shivhare, N., Kumar, S., Dwivedi, S.B., & Dikshit, ...
  • Rajaee, T., Mirbagheri, S. A., Kermani, M. Z., Nourani, V. ...
  • Rezazadeh Jodi, A. and Sattari, M. (۲۰۱۴). Estimation of the ...
  • Russel S.O. and P.F. Campbell. ۱۹۹۶. Reservoir operating rules with ...
  • Sattari, M., Rezazade Jodi, A., Safdari, F., & Kahramanzadeh, F. ...
  • Sheikh Alipour, Z., Hasanpour, F. and Azimi, A. (۲۰۱۴). Comparison ...
  • Shojaeezadeh, S.A., Nikoo, M.R., McNamara, J.P., AghaKouchak, A., & Sadegh, ...
  • Vapnik, V., and Cortes, C. ۱۹۹۵. Support vector networks. Machine ...
  • نمایش کامل مراجع