پیش بینی بارمعلق رودخانه ها برمبنای دبی جریان با استفاده ازبرنامه ریزی ژنتیک
محل انتشار: همایش ملی مهندسی عمران کاربردی و دستاوردهای نوین
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 616
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACA01_068
تاریخ نمایه سازی: 24 خرداد 1393
چکیده مقاله:
برآورد صحیح بار رسوبی در طرحهای آبی بسیار حائز اهمیت است، رسوبگذاری در مخان سدها و کاهش آنها تغییر مسیررودخانهها به دلیل رسوبگذاری در بستر آنها و اثرات منفی در ظرفیت آبگذری کانال انتقال آب تغییر کیفیت آب به لحاظ مصارف شرب و کشاورزی از جمله مشکلاتی ناشی از این پدیده اهکاری مناسب جهت برآورد دقیق بار معلق رودخانه ها، بسیار سودمند است اگرچه در دهه اخیر تحقیقاتی در خصوص کاربرد مدل های هیدرولوژیکی جعبه سیاه متکی بر شبکه های عصبی مصنوعی و برتری دقیق آنها بر روابط تجربی همچون منحنی سنجه رسوب ارائه شده است ولی به دلیل غیرصریح بودن آنها در عمل سبب توسعه نیافته است در تحقیق حاضر رابطه صریح ریاضی با استفاده از برنامه ریزی ژنتیک برای پیش بینی با خانه ها ارائه شده و دقت نتایج حاصل با روش شبکه عصبی مصنوعی مورد مقایسه قرار گرفته است و در پیش بینی جریان و رسوب معلق رودخانه و جهت مدل سازی و تایید برنامه ریزی ژنتیک از داده های مربوط به سال ........... از ایستگاه هیدرومتری رودخانه بیطاس واقع بر روی سدمهاباد در استان آذربایجان غربی مورد استفاده است و با یک فرآیند آموزش عمل پیش بینی انجام گرفت و نتایج محاسباتی با داده های مشاهداتی را جذر میانگین مربعات خطا RMSE و ضریب تعیین R2 برای ارزیابی دقت مدل ها مورد بررسی و ... گرقت نتایج حاصله حاکی از دقت بالای برنامه ریزی ژنتیک در مقایسه با شبکه عصبی مصنوعی و کارایی .... بار معلق رودخانه ها می باشند
کلیدواژه ها:
نویسندگان
خانلار مشاری
دانش اموخته کارشناسی ارشد عمران آب دانشگاه آزاد اسلامی واحد مراغه
محمدعلی قربانی
دانشیارگروه مهندسی آب دانشگاه تبریز ایران
رسول دانشفراز
استادیار گروه مهندسی عمران دانشگاه مراغه مراغه ایران
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 :