مقاله

قابلیت شبکه های عصبی مصنوعی جهت مدل سازی چند ایستگاهه بار معلق در مقایسه با روش منحنی سنجه رسوب

چکیده

رسوبات حمل شده توسط رودخانه می تواند باعث بوجود آمدن خساراتی به اراضی کشاورزی و تأسیسات آبی گردد. برآورد صحیح بار رسوب در تأسیسات آبی مانند سدها باعث جلوگیری از صرف هزینه های اضافی خواهد شد. کشور ما ایران با دارا بودن رودخانه های متعدد، پتانسیل بالایی جهت ایجاد سد دارد. یکی از دلایل آن کاهش یافتن ظرفیت انتقال آب توسط مقطع رودخانه به دلیل انباشتگی رسوبات می باشد. لذا بررسی پدیده رسوب و برآورد رسوب حمل شده توسط رودخانه اهمیت خاصی دارد. در این راستا تخمین بار معلق رسوب، توجه مدل ساز های شبکه های عصبی مصنوعی را به خود معطوف کرده است. در این تحقیق از شبکه­های عصبی مصنوعی برای برآورد رسوب ایستگاه آخولا واقع بر روی رودخانه آجی­چای در استان آذربایجان شرقی استفاده شد. اطلاعات این ایستگاه شامل دبی و رسوب روزانه می باشد. در مراحل مختلف برآورد اثر ترکیبی عوامل مختلف دبی آب و دبی رسوب در کارایی شبکه، مورد بررسی قرار گرفت. به منظور بررسی تاثیر رسوب و دبی ایستگاه های بالادست، علاوه بر داده های ایستگاه آخولا از داده های ایستگاه های ونیار و مرکید نیز برای آموزش شبکة عصبی بکار رفت که بهترین نتیجه را در پی داشت. از روش کلاسیک منحنی سنجه نیز برای برآورد رسوب این ایستگاه استفاده گردید. برای بهینه سازی ضرایب رگرسیونی منحنی سنجه از الگوریتم ژنتیک استفاده شد و البته نتایج بهتری نسبت به روش کلاسیک نداد. با توجه به نتایج بدست آمده تخمین با رسوب در چند ایستگاه با استفاده از شبکه های عصبی، کارآیی بهتری داشت.

اسناد مشابه

  • کاربرد شبکه عصبی مصنوعی جهت مدل سازی اثر آسکوربات کلسیم بر افزایش زمان ماندگاری قارچ دکمه ای

    مقالهفناوری های نوین غذاییمحمد سیاری، استادیار گروه علوم باغبانی، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان فخرالدین صالحی، استادیار گروه علوم و صنایع غذایی، دانشگاه بوعلی سینا، همدان، ایران. سجاد الوندی، دانش آموخته کارشناسی ارشد، گروه علوم باغبانی، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان

    آسکوربات کلسیم نمک بافر اسید آسکوربیک حاوی کلسیم می باشد و در حفظ کیفیت و کاهش ضایعات محصولات کشاورزی در پس از برداشت مؤثر می باشد. در این مطالعه از مدل سازی شبکه عصبی مصنوعی جهت پیش بینی اثر آسکوربات کلسیم بر زمان ماندگاری قارچ دکمه ای استفاده گردید. پس از اعمال تیمار آسکوربات ک

  • مقایسه الگوریتم های رگرسیون لجستیک و شبکه عصبی مصنوعی در مدل سازی تجربی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران

    مقالهپژوهش های محیط زیستمهدی غلامعلی فرد، استادیار، گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه تربیت مدرس شریف جورابیان شوشتری، دانش آموخته کارشناسی ارشد، گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه تربیت مدرس علی اکبر آبکار، استادیار، گروه سنجش از دور، دانشکده مهندسی ژئودزی و ژئوماتیک، دانشگاه خواجه نصیرالدین طوسی بابک نعیمی

    تغییرات پوشش سرزمین و توسعه شهرها سبب تخریب زیستگاه های طبیعی و کاهش تنوع زیستی شده است. یکی از روش های مورد استفاده برنامه ریزان جهت کنترل روند تغییرات پوشش سرزمین و کاربری اراضی، مدل سازی می باشد. این مطالعه، با هدف مقایسه رگرسیون لجستیک و پرسپترون چندلایه شبکه عصبی مصنوعی جهت

  • کارایی شبکه عصبی مصنوعی در مدل سازی فرایند جذب یون سیانید از محلول آبی توسط نانوجاذب ZnO@MOF-199

    مقاله۲۰۲۱مواد پیشرفته و پوششهای نوینناهید قاسمی، سهراب روحانی، رضا آقا یاری

    سیانید به عنوان محصول جانبی درپساب صنایع مختلفی وجود دارد که تصفیه آن قبل از ورود به محیط زیست الزامی است. سیانید را می توان با روش های مختلف فیزیکی، شیمیایی و بیولوژیکی از آب و پساب های صنعتی حذف کرد، اما اغلب این روش ها هزینه بر هستند. هدف از این مطالعه، بررسی کارایی شبکه عصبی

  • مقایسه روش های شبکه عصبی مصنوعی در مدل سازی فرایند تراش کاری ماده مرکب زمینه پلیمری

    مقاله۲۰۱۶نشریه مهندسی مکانیک امیرکبیرمحمدرضا دشت بیاض، مهدی قنبریان

    در این تحقیق ماده مرکب زمینه اپوکسی پرشده با ذرات آلومینیم تهیه گردیده و با تغییر شرایط مختلف تراش کاری شامل: سرعت برش، کسر وزنی ذرات، عمق برش و نرخ پیشروی از قطعات مواد مرکب براده برداری صورت گرفته است. سپس زبری سطح قطعات اندازه گیری شده و برای پیش بینی اثر چهار عامل تراش کاری ب

  • کاربرد شبکه عصبی مصنوعی در مدل سازی توسعه شهری (مطالعه موردی: شهر گرگان)

    مقاله۲۰۱۱پژوهشهای جغرافیای انسانیحمیدرضا کامیاب، عبدالرسول سلمان، سید محسن حسینی، مهدی غلامعلی فرد

    مدل های شبکه عصبی مصنوعی از مدل های اطلاعات‎محور به‎شمار می‎آیند. مدل تبدیل کاربری/ پوشش زمین، از مدل‎هایی است که شبکه عصبی مصنوعی را با سیستم اطلاعات جغرافیایی مرتبط می سازد و برای مدل‎سازی توسعه شهری در شهر گرگان در دوره زمانی سال های 2001-1987 از همین مدل استفاده شد. این مدل ا

  • مقایسه عملکرد الگوریتم های مختلف شبکه عصبی مصنوعی در مدل سازی بارندگی فصلی مطالعه موردی؛ ایستگاه های منتخب استان خوزستان

    مقالهتحقیقات کاربردی علوم جغرافیاییمحمدرضا گلابی، کارشناسی ارشد مهندسی منابع آب، دانشگاه شهید چمران اهواز علی محمد آخوندعلی، استاد گروه هیدرولوژی و منابع آب، دانشگاه شهید چمران اهواز فریدون رادمنش، استادیار گروه هیدرولوژی و منابع آب، دانشگاه شهید چمران اهواز

    بارندگی یکی از اجزای اصلی چرخه­ی هیدرولوژی است. این فرآیند پیچیده به عوامل متعدد اقلیمی وابسته است. شبکه های عصبی مصنوعی در چند دهه اخیر و در مطالعات صورت گرفته برای مدل سازی سیستم های پیچیده و غیر خطی قابلیت بسیار بالایی از خود نشان داده است. تحقیق حاضر در سه ایستگاه منتخب از اس