شبیه سازی بار رسوب معلق با استفاده از مدل های سری زمانی تک متغیره هیدرولوژیکی و سیستم فازی بر پایه شبکه عصبی تطبیقی(مطالعه موردی رودخانه شاپور ایستگاه چیتی)

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 543

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ABYARI12_221

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

تخمین درست حجم رسوبات حمل شده توسط رودخانه ها در پروژه های آبی از اهمیت بسیاری برخوردار است . بطور کلی پدیده ‏فرسایش و انتقال رسوب از پیچیده ترین مساثل هیدرودینامیکی که تعیین دقیق معادلات حاکم بر آن ‏بدلیل تاثیرات پارامترهای مختلف به آسانی میسر نیست. در این تحقیق به منظور بررسی پدیده بی نظم انتقال رسوب به جای استفاده از روش کلاسیک از روش های هوشمند سازی منطق فازی و سری زمانی هیدرولوژیکی که با پدیده های طبیعی سازگارتر هستند ، استفاده شده است . بطور خلاصه هدف از این تحقیق یافتن رابطه ی بین میزان رسوبات معلق باد آبی رودخانه بوده است بطوریکه کمترین میزان خطای ممکن را نسبت به روش های فعلی نظیر منحنی سنجه رسوب را داشته باشد . بدین منظور از داده های اندازه گیری شد. دبی و رسوب رودخانه شاپور ایستگاه چیتی از سال 1371 ‏تا 1390 ‏استفاده شده است . به منظور مقایسه و صحت سنجی کارایی روش های مختلف مورد استفاده در تحقیق از معیارهای ارزیابی خطا از جمله MSE , RMSE, SSE استفاده شده است. نتایج این تحقیق حاکی از دقت و برتری نسبی مدل عصبی - فازی با تابع عضویت gauss ‏نسبت به سایر روش های مورد مطالعه می باشد

کلیدواژه ها:

سری های زمانی تک متغیر. هیدرولوژیکی ، پیش بینی رسوب بار معلق ، سیستم فازی بر پایه شبکه عصبی تطبیقی

نویسندگان

امیرحسین پورغلام دارابی

دانشجوی کارشناسی ارشد مهندسی عمران-سازه های هیدرولیکی ،دانشگاه آزاد اسلامی لارستان

مهرداد فریدونی

استادیار و عضو هیئت علمی بخش عمران،دانشگاه آزاد اسلامی لارستان

نادر بهمند

استادیار و عضو هیئت علمی بخش عمران،دانشگاه آزاد اسلامی لارستان

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 :