کاربرد مدل درختی M5 در مدل سازی بار رسوبی معلق رودخانه می سی سی پی
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 819
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCAU01_0212
تاریخ نمایه سازی: 29 تیر 1393
چکیده مقاله:
برآورد صحیح بار رسوبی در رودخانه ها بسیار حایز اهمیت بوده وبا پیش بینی بار رسوبی می توان از بوجود آمدن مشکلاتی همچون از بین رفتن حاصلحیزی خاک کشاورزی، پر شدن مخازن سدها و بندها،کانال های آبرسانی، مدفون شدن آبادیها و اراضی زراعی، تغییر مسیر رودخانه ها و تغییر کیفیت آب پیشگیری نمود. در این مقاله بار رسوبی معلق رودخانه می سی سی پی با در نظر گرفتن سری هایزمانی متغیر های دبی جریان و دبی رسوب در سیستم مدل درختی M5 پیش بینی شدند. در فرآیند مدل سازی کل داده های مورد استفاده به دو بخش داده های آموزشی و داده های آزمون تقسیم شدند. از دوجهت )E²( و ضریب تبیین )ESMR( آماره مجذور میانگین مربع خطا ارزیابی کارایی مدل استفاده شد. پس از بررسی سناریوهای مختلفی از جریان ورودی، سناریویی که در آن دبی جریان روز جاری Q(t) ، دبیجریان یک روز قبل Q(t-1) ، دبی جریان دو روز قبل Q(t-2) ، دبی رسوبی یک روز قبل Qs(t-1) ، دبی رسوبی دو روز قبل Qs(t-2) ، دبی رسوبی سه روز قبل Qs(t-3) ، دبی رسوبی چهار روز قبل Qs(t-4) ، بعنوان پارامترهای ورودی و بار رسوبی معلق ماه جاری Qs(t) بعنوان ویژگی هدف انتخاب گردیده بود با مجذور میانگین مربع خطا برابر با50/648 و ضریبتبیین0/935 بعنوان سناریوی برتر انتخاب گردید. نتایج بدست آمدهنشان داد مدل درختی M5 با دقت قابل قبولی قادر به مدل سازی بار معلق رسوبی بوده و با ارائه روابط خطی ساده و قابل فهم می تواند به عنوان یک روش جایگزین و کاربردی مورد توجه قرار گیرد.
کلیدواژه ها:
نویسندگان
فراز قهرمانیان
دانشجوی کارشناسی ارشد مهندسی عمران آب، دانشگاه آزاد اسلامی واحد اهر
محمدتقی ستاری
استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز،
شهرام شاه محمدی کلالق
استادیار گروه مهندسی آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات آ. شرقی
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 :