این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های فرسایش محیطی، جلد ۳، شماره ۱، صفحات ۷۳-۸۲
عنوان فارسی بررسی امکان پیش‌بینی رسوبات معلق با استفاده از ترکیب منحنی سنجه رسوب و شبکه‌ی عصبی مصنوعی (مطالعه موردی: رودخانه قطورچای، پل یزدکان)
چکیده فارسی مقاله 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. بنابراین دست یافتن به شیوه­های نوین و خلاقانه که بتواند در این راستا موثر واقع گردد دارای اهمیت بسیار زیادی 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 رگرسیونی 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 SRC و 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. 
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Investigation of Possibility of Suspended Sediment Prediction Using a Combination of Sediment Rating Curve and Artificial Neural Network Case Study: Ghatorchai River, Yazdakan Bridge
چکیده انگلیسی مقاله Estimation of sediment loads in rivers is one of the most important, difficult components of sediment transport studies and river engineering. Accessing new methods that can be effective in this background are more important. In this research, we have used the artificial neural network (ANN) to optimize the results of the sediment rating curve (SRC) to predict the suspended sediment loads. For doing that, the Yadakan station on Ghatoor-Chai River was considered. An equation by SRC method was obtained followed by an ANN method by the same data, and finally by combining them, we built a new model. It should be mentioned that before using the combined model, each method was used and the obtained results were compared with the observed data. Based on this research, the results of using the combined model were more precise than the ANN and SRC separately as the Dr value from 1. 402 (in SRC) and -2. 395 (in ANN) changed to 0. 963 in the combined model. The RMSE has also obtained 692.286 and 616.96 for SRC and ANN, respectively, whereas this value decreased to 603.094 for the combined model.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله احمد خزایی پول | khazaei pool
دانشگاه یزد
سازمان اصلی تایید شده: دانشگاه یزد (Yazd university)

علی طالبی |
دانشگاه یزد
سازمان اصلی تایید شده: دانشگاه یزد (Yazd university)

نشانی اینترنتی http://magazine.hormozgan.ac.ir/browse.php?a_code=A-10-29-58&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1412/article-1412-243655.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مدلسازی و تحلیل زمانی و مکانی رخداد انواع مختلف فرسایش محیطی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات