| ارزیابی دقت شبکه های عصبی مصنوعی در برآورد قطر رسوبات بار بستر توسط نرمافزار STE |
| کد مقاله : 1201-IHA (R1) |
| نویسندگان |
|
رضا تیموری *1، امیر احمد دهقانی2 1گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان 2عضو هیات علمی |
| چکیده مقاله |
| یکی از مسائل و مشکلاتی که در رابطه با بهره برداری از منابع آبی اهمیت خاصی پیدا نموده، مسئله رسوب میباشد. رسوب، تولید نهایی فرسایش است که بهوسیله آب، باد، یخ و نیروی ثقل حمل میگردد. دامنه تغییرات اندازه رسوبات از ذرات کلوئیدی تا قلوه سنگهای بزرگ می باشد و از نظر شکل ظاهری از کاملا گرد تا تیز گوشه تغییر می کنند. حمل بار رسوبی در مسیرهای آبرفتی بطور وسیعی مورد مطالعه قرار گرفته است و روابط متفاوتی براساس اطلاعات آزمایشگاهی یا صحرایی ارائه شده است. تمامی روش های هیدرولیکی ارائه شده برای برآورد بار رسوبی نیاز به اندازه قطر ذرات رسوبی داشته و برای این منظور یکی از مشکلات برآورد بار رسوب را میتوان اندازه گیری قطر رسوبات دانست. از طرفی با توجه به پیشرفت الگوریتم ها و روش های هوش مصنوعی در علوم مهندسی می توان با استفاده از روش هایی همچون شبکه های عصبی مصنوعی، برآورد خوبی از قطر رسوبات انجام داد و موجب کاهش زمان و هزینه های ناشی از اندازه گیری و افزایش دقت و اطمینان در تخمین ها شد. در این تحقیق با استفاده از قابلیت تعلیم شبکه های عصبی مصنوعی در نرم افزار توسعه یافته STE ، اقدام به تعلیم و ارزیابی این شبکه ها در رودخانه های استان گلستان و مازندران شده است. نتایج نشان داد تعلیم و استفاده از این شبکه ها میتواند با دقت قابل توجهی اندازه رسوبات در حال حمل توسط جریان را پیشبینی کرده و به تخمین دقیق تر بار رسوب کمک کند. |
| کلیدواژه ها |
| برآورد قطر رسوبات, شبکه های عصبی مصنوعی, دانه بندی بار بستر, روشهای هوشمند, نرم افزار STE |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |