CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

شبیه سازی بار رسوبی معلق با استفاده از مدل تلفیقی عصبی-فازی با ترکیبات ورودی مختلف (مطالعه موردی: ایستگاه سیرا-سدکرج)

عنوان مقاله: شبیه سازی بار رسوبی معلق با استفاده از مدل تلفیقی عصبی-فازی با ترکیبات ورودی مختلف (مطالعه موردی: ایستگاه سیرا-سدکرج)
شناسه ملی مقاله: JR_JWMS-8-27_004
منتشر شده در در سال 1393
مشخصات نویسندگان مقاله:

محسن یوسفی

خلاصه مقاله:
به منظور اجرای برنامه‍های حفاظت خاک و کاهش رسوب زایی، همچنین محاسبه و طراحی دقیق حجم سد در احداث سدهای مخزنی، ارزیابی و برآورد میزان تولید رسوب در حوزه آبخیز بالادست سد، ضروری است. به طورکلی پدیده فرسایش و انتقال رسوب از پیچیده‍ترین مسایل هیدرودینامیکی است که تعیین دقیق معادلات حاکم بر آن به دلیل تاثیرات متغیرهای مختلف، به آسانی میسر نیست. هدف از این مطالعه شبیه‍سازی بار رسوبی معلق با استفاده از مدل تلفیقی عصبی-فازی می‍باشد و برای این کار لازم است ابتدا ترکیبات ورودی مختلف با استفاده از روش‍های رگرسیون گام به گام، مدل الگوریتم ژنتیک و آزمون گاما تعیین و سپس مناسب‍ترین ترکیب به عنوان ورودی مدل انتخاب گردد. داده‍های ایستگاه سیرا سد کرج در بازه زمانی ۱۳۵۳-۱۳۹۰ (۳۷ سال) مورد استفاده قرار گرفت به نحوی که ۱۵ متغیر به عنوان ورودی و یک متغیر به عنوان خروجی در نظر گرفته شد. نتایج نشان داد مدل عصبی-فازی در حالت استفاده از تعداد داده‍های آموزشی مناسب و ترکیب منتخب الگوریتم ژنتیک به مناسب‍ترین مدل‍سازی دست یافت. نکته لازم به ذکر این است که در حالت استفاده از تمام متغیرهای ورودی، مدل‍سازی مناسبی در مدل عصبی-فازی انجام نشد لذا استفاده از روش‍های تعیین ترکیب ورودی مناسب ضروری به نظر می‍رسد. در نهایت مدل الگوریتم ژنتیک به عنوان مناسب‍ترین روش و رگرسیون گام به گام در مرتبه دوم و آزمون گاما در مرتبه سوم به عنوان روش‍های مناسب تعیین ترکیب ورودی مدل عصبی-فازی انتخاب شدند. همچنین مدل عصبی-فازی در حالت استفاده از ترکیب منتخب الگوریتم ژنتیک در شبیه‍سازی بار رسوبی معلق با ضریب همبستگی ۹۹/۰ و میانگین مربعات خطا ۰۰۰۰۰۰۹/۰ به عنوان مناسب‍ترین مدل سازی انتخاب شد.

کلمات کلیدی:
: select of input combinations, stepwise regression, genetic algorithms, Gamma test, Wingamma Software, Gamma Coefficient, تعیین ترکیب ورودی, رگرسیون گام به گام, الگوریتم ژنتیک, آزمون گاما, نرم افزار Wingamma, ضریب گاما

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1866546/