فایل ورد قابل ویرایش
بررسی امکان پیش بینی رسوبات معلق با استفاده از ترکیب منحنی سنجه رسوب و شبکه ی عصبی مصنوعی
چکیده
برآورد بار رسوبی در رودخانهها با توجه به خسارات ناشی از آن، یکی از مهمترین و مشکلترین قسمتهای مطالعات انتقال رسوب و مهندسی رودخانه است. بنابراين دست یافتن به شیوههای نوین و خلاقانه که بتواند در این راستا موثر واقع گردد دارای اهمیت خارقالعادهای است.در این تحقیق کاربرد روش سیستم عصبی مصنوعی (ANN) در بهینهسازی نتایج مدلی مبتنی بر روش منحنی سنجهی رسوب (SRC) برای پیشبینی بار معلق جریان مورد بررسی قرار گرفته است. برای این منظور ایستگاه یزدکان واقع بر رودخانهی قطورچای در نظر گرفته شد. یک مدل رگرسيوني به کمک روش SRC ساخته شد که با کمک دادههای دبی در ایستگاه مذکور میزان بار معلق در همان ایستگاه پیشبینی میگردد. پس از ساختن مدل به کمک این روش، یک مدل ANNمورد استفاده قرار گرفت که دقیقا از دادههای مشابه استفاده نموده و سپس با استفاده از آن دو، مدل ترکیبی ساخته شد. لازم به ذکر است که قبل از کاربرد ترکیبی این دو روش (َANN و SRC)، هر یک از این روشها به تنهایی مورد استفاده قرار گرفته و نتایج حاصل با مقادیر واقعی مقایسه گردیده بود. نتایج حاصل از کاربرد ترکیبی این مدلها از کیفیت به مراتب بالاتری نسبت به کاربرد هر یک از آنها به تنهایی برخوردار است. به طوری که میزان Dr از عدد 402/1 در روش SRCو 395/2- در مدل ANN به مقدار 963/0 در یکی از مدلهای ترکیبی تعدیل یافته است. همچنین میزان ریشه میانگین مربعات خطا که به ترتیب برای SRC و ANN به تنهایی 286/692 و 96/616 حاصل گشته بود به عدد 094/603 کاهش پیدا کرد.
موضوع انتقال رسوب سالهاست که مورد توجه مهندسین قرار گرفته است. روشهای مختلفی برای حل مسایل رسوب به کار گرفته شده است که نتیجهی آن معادلات تجربی متعددی است که توسط صاحبنظران امر ارائه شده است. گرچه نتایج این روشها با یکدیگر و با نتایج تجربی اختلاف چشمگیری دارند اما با توجه به اینکه اندازهگیری رسوب رودخانه به طور محدود و معدود انجام میشود، جهت برآورد بار رسوبی رودخانه در مواقع مورد نیاز میتوان از این معادلات استفاده کرد. اما مشکل استفاده از معادلات، از آنجایی که معادلات موجود بر اساس شرایط اقلیمی یا آزمایشگاهی سایر نقاط جهان به دست آمدهاند،این است که باید برای استفاده در رودخانههای ایران واسنجی شده و معادلهی بهینه انتخاب گردد. لذا این مشکل ذهن محقق را به سمت روشهایی نوین فارغ از نیاز به معادلات مذکور سوق میدهد. در این میان میتوان از روش هوش مصنوعی که مبتنی بر روابط حاکم بر طبیعت است و از قدرت انعطافپذیری بالایی برخوردار است استفاده نمود. در این زمینه میتوان به تحقیقاتی بیشماریکه در قسمتهای مختلف جهان صورت پذیرفته است، اشاره نمود.
منتظر و همکاران (1381) برای تخمین میزان رسوب رودخانه بازفت در محل ایستگاه هیدرومتری مرغک از دو شبکه پرسپترون و شبکه پاد انتشار استفاده کردند و در نهایت نتایج حاصل از شبکه ها را با روش منحنی سنجه رسوب مقایسه کردند(4). راحتطلب نخجیری و همکاران (1383) به سنجش و گزینش مناسبترین روشهای برآورد بار کف (16 رابطهی مختلف) در رودخانهی زرینگل استان گلستان پرداختند (2). نظمآرا (1385) در مطالعهای روی رودخانهی آجیچای با کمک شبکهی عصبی مصنوعی به تعیین بار معلق رودخانه پرداخت(5).فتاحی و همکاران (1385) میزان رسوب رودخانه نکا را به کمک شبکه عصبی مصنوعی برآورد کردند. در این تحقیق برای برآورد رسوب از شبکه عصبی و نیز روش های رگرسیونی (منحنی سنجه) رسوب استفاده شده است (3).
مجموعه فایل پاورپوینت داده کاوی
حجم:9044KB | بازدید :2610
علم داده کاوی عبارتست از استخراج اطلاعات ,دانش وکشف الگوهای پنهان از پایگاه داده های بسیار...
حجم:5698KB | بازدید :2773
در این بخش بر روی مدلهای لاجیت وپروبیت تاکید می شود .از آنجایی که این مدلها بسیار بهم مرتبط اند آنها را به عنوان مدلهی رگرسیون ترتیبی بیان می...
حجم:3094KB | بازدید :433
برنامه ریزی استراتژیک یک روش منطقی ودر عین حال ساده برای ایجاد یک ساختار تصمیمگیری مناسب درجهت دستیابی اهداف سازمانی است امروزه سازمانها ناگزیرند که به اندیشه های خود درباره تغییر ,تحول ,نوآفرینی ودگرگونی شکل دهند...
پاور پوینت سیاست وتوسعه کشاورزی
حجم:3053KB | بازدید :424
قسمتی از متن تاریخچه این گستره از علم را می توان تقریبا به دو دوره تقسیم نمود: 1- دوره رشد و نوسازی اقتصادی: این مقطع دهه های1940، 1950 و 1960 را شامل می شود. در این دوره، توسعه را عمدتا بر اساس رشد متوسط تولید سرانه تعریف می کردند. در این زمینه امور زیر مورد بررسی قرار...
حجم:1308KB | بازدید :2874
قسمتی از متن جستجو براي اطلاعات با ارزش در ميان حجم زيادي از داده ,استخراج اتوماتيک مدل از داده,فرآيند استخراج اطلاعات نهفته در حجم زيادي از داده داده کاوي يکي از مراحل KDD است KDD از تکنيکهايي نظير پيش پردازش ، تميز سازي، تبديل، داده کاوي و ... براي استخراج...
دانلود پاورپوینت الگوریتم ژنتیک
حجم:1005KB | بازدید :256
مفاهیم الگوریتم, زمینه بیولوژیکی ,زمینه تاریخی ,نمودار گردشی فرآیند, مکانیسم GA ,وهمچنین حل...
حجم:32KB | بازدید :2804
قسمتی ازمتن lData Mining عبارت است از اقتباس يا استخراج دانش از مجموعه ای از داده ها ، به بيان ديگر ، Data Mining فرايندی است که با استفاده از تکنيکهای هوشمند، دانش را از مجموعه ای از داده ها استخراج می کند. l lData Mining از ساخت مدل های تحليلی ، دسته بندی و پيش بينی اطلاعات و...