تعیین اهمیت نسبی میزان رسوبات معلق به پارامترهای اقلیمی و هیدرولوژیکی (مطالعه موردی حوضه اهرچای)

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 515

فایل این مقاله در 10 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:

ATTITTDE02_368

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

تخمین صحیح مقدار رسوب و نقش آن در طراحی و مدیریت پروژههای منابع آب و همچنین با در نظر گرفتن مشکلات فنی و اقتصادی امکان احداث وبهرهبرداری از یا ستگاههای رسوبسنجی، همیشه نقش حیاتی در پیشبرد صحیح مطالعات مهندسی رودخانه دارد. لذا ارایه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانهها بسیار سودمند خواهد بود. به علت عدم دستیابی به اطلاعات کامل و دقیق پارامترهای تاثیرگذار در فرآیند رسوب و ساختار کاملا غیرخطی برای الگوبندی آن در روشهای مذکور نمیتوان مدل جامعی به علت برآورد نهچندان دقیق و عدم امکان بررسی تغییرات زمانی رسوبات حمل شده توسط جریان معرفی نمود. هدف از این تحقیق بررسی قابل یت مدل شبکه عصبی مصنوعی به منظور شبیهسازی رسوب معلق در رودخانه اهرچای میباشد. در این تحقیق برای تخمین بار معلق از دادههای دبی جریان، بارش، دما و رسوب پیشین استفاده گردید. شبکه عصبی مصنوعی دارای بیشترین دقت و قابلیت در اجرای تمامی مدلهای برآورد رسوب حوضه رودخانه اهر چای شناسایی و توصیه گردیده است. با استفاده از معادله گارسون، متوسط ماهانه دبی و دبی رسوب ماه قبل به ترتیب با درصد اهمیت نسبی و %28% 24 بیشترین و بقیه پارامترها کمترین تاثیر را بر روی میزان دبی رسوب دارد.

نویسندگان

پویا حسین پور

دانشجوی کارشناسی مهندسی محیط زیست دانشگاه تهران

حسین آذرنیوند

استاد دانشکده منابع طبیعی دانشگاه تهران

شراره پورابراهیم آبادی

استادیار دانشکده منابع طبیعی دانشگاه تهران

عبداله حسین پور

محقق مرکز تحقیقات آموزش کشاورزی و منابع طبیعی آذربایجان 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 :
  • حسین پور، ع. 1391. استفاده از روش فراکاوشی در تخمین ...
  • دهقانی، ا. 1389. تخمین رسوب معلق رودخانه بهشت‌آباد با استفاده ...
  • شعبانی، م. 1388. مقایسه میزان کارآیی شبکه عصبی مصنوعی و ...
  • طلوعی، س. 1387. تخمین زمانی و مکانی بار معلق رودخانه ...
  • فلامکی، ا و همکاران. 1392. مدل‌سازی بار رسوب کل رودخانه‌ها ...
  • قربانی، م، و همکاران. 1392. آنالیز حساسیت پارامترهای موثر بر ...
  • نجمائی، م.1369. هیدرولوژی مهندسی. انتشارات دانشگاه علم و صنعت ایران، ...
  • نظام خیاوی، خ. 1387. پیش‌بینی بار معلق رودخانه‌ها با استفاده ...
  • Agarwal, A. Singh, R.D., Bhunya, P.K., 2005. ANN- based sediment ...
  • Alp, M., Cigizoglu, H. K. 2007, Suspended sediment load simulation ...
  • 1- Cigizoglu, H.K., Alp, M., 2006. Generalized regression neural network ...
  • Kavehkar, Sh.2011. Exploiting Two Intelligent Models to Predict Water Level: ...
  • Nourani, V., (2009). USING ARTIFI CIAL NEURAL N ETWORKS (ANNs) ...
  • Thorne, C. R., Hey, R.D., Newson, M.D. (2001). "Applied Fluvial ...
  • Wang, Y. M., Kerh, T., Traore, S... 2009, ،Neural networks ...
  • نمایش کامل مراجع