این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های فرسایش محیطی، جلد ۲، شماره ۳، صفحات ۲۹-۴۳
عنوان فارسی مقایسه روابط تجربی رواناب-رسوب حاصل از منحنی‌های سنجه رسوب و شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز گدارخوش، استان ایلام)
چکیده فارسی مقاله از مهمترین عوامل تصمیم­گیری در احداث سازه­های رودخانه­ای و تعیین عمق مفید سد­ها داشتن داده­ای دقیق از میزان رسوب حمل شده توسط رودخانه­ها است. روش­های چندی برای محاسبه برای بار معلق رودخانه­ها پیشنهاد شده است. یکی از این روش­ها، روش هیدرولوژیکی منحنی سنجه رسوب است. از خطا­های عمده روش مذکور عدم لحاظ اختلاف­های فصلی می­باشد. بر این اساس هدف از تحقیق حاضر ارزیابی اثر ارائه منحنی سنجه رسوب در دوره­های کم آبی و پر آبی بر میزان خطای تخمین رسوب و مقایسه روش مذکور با روش شبکه عصبی مصنوعی می­باشد. جهت دست­یابی به این مهم با ترسیم منحنی تداوم جریان و روش اداره عمران ایالات‌متحده (USBR) اقدام به محاسبه میزان رسوب معلق روزانه و منحنی سنجه‌های رسوب کم آبی و پر آبی ترسیم گردید سپس نتایج حاصله با نتایج به دست آمده از روش شبکه عصبی مصنوعی مورد مقایسه قرار گرفت. در نهایت به وسیله معیار­های آماری سنجش خطا شامل خطای نسبی (RE)، کارایی مدل (EF)، ریشه میانگین مربعات خطا (RMSE) و ضریب تبیین (R2) اقدام به ارزیابی خطاهای روش­های مذکور نموده نتایج مبین قابلیت بالای روش شبکه عصبی مصنوعی با ضرایب تبیین و کارایی به ترتیب 903 /0 و 89/0 و ریشه میانگین مربعات خطا و خطای نسبی به ترتیب 322/0 و 22/6 می­باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Comprising the Empirical Equations of Runoff- Sediment Resulted from Sediment Rating Curves and Artificial Neural Network (Case Study: Ghadarkhosh Watershed, Ilam Province)
چکیده انگلیسی مقاله Being available the accurate data on carried sediment has accounted as an important factor for making decision about constructing of river structures and determining of dam life. To accomplish this object, a number methods have been proposed so that sediment rate curving as a hydrological method has been developed for doing it. Ignoring differences between season's values causes to lower the precision of this method. So, present research has been programmed for evaluation of classified discharge to two categories including high water and low water on suspended sediment calculated by sediment rating curve in comparison with Artificial Neural Network (ANN). For acquiring this object, by means of flow duration curve and USBR method, daily suspended sediment and sediment rating curve were resulted. Finally, some statistical criteria including Relative Error (RE), Model Efficiency (EF), Root Mean Square Error (RMSE) and Descriptive Coefficient (R2) were applied for comparing the results outcome of sediment rating curve method and ANN method. Results showed that ANN method has as higher capability in comparison with sediment rating curve on basis of Descriptive Coefficient and Model Efficiency 0/903 and 0/89 respectively moreover Root Mean Square Error and Relative Error 0/322 and 6/22 respectively.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علیرضا سپهوند | alireza sepahvand
sepahvand1982@yahoo.com

نجمیه هزارخوانی | najmeye hezarkhani
دانشگاه

مجید طایی سمیرمی | taei samiromi
دانشگاه

شمس اله عسگری |
دانشگاه

نشانی اینترنتی http://magazine.hormozgan.ac.ir/browse.php?a_code=A-10-29-41&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1412/article-1412-243664.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