مدل شبکه عصبی مصنوعی برای تخمین رسوبدهی حوزههای آبخیز
دریافت مدرک
FullText
اندازه فایل:
513.0کیلوبایتنوع فايل (MIME):
PDFنوع مدرک
Textمقاله پژوهشی
زبان مدرک
فارسیچکیده
امروزه رسوبدهی حوزههای آبخیز از جمله مشکلات بهرهبرداری از منابع آبهای سطحی در جهان است. با توجه به نقش و اهمیت رسوب در عمر مفید سدهای کشور، عدم توجه به اندازهگیری و محاسبه دقیق آن، باعث اتلاف سرمایههای ملی میشود. بدیهی است که دقت تخمین میزان رسوبدهی، بستگی زیادی به روشهای محاسباتی، معادلات ارائه شده و دادهها یا اطلاعات تخمین رسوب دارد. چون عوامل مختلفی در فرسایش و تولید رسوب مؤثر است و بر اساس شرایط هر حوزه ممکن است یک یا چند عامل در تشدید آن مؤثر باشد.از این رو، برای بررسی مسئله رسوبدهی هر حوزه باید عوامل مختلف مؤثر در رسوبدهی آن منطقه را شناسایی و بهطور صحیح برآورد کرد و سپس تأثیر عوامل مختلف را بر روی رسوبدهی مشخص نمود. در این تحقیق، شبکههای عصبی مصنوعی بهعنوان روشی جدید برای تخمین رسوبدهی حوزه، بهکار گرفته شده است. شبکهای با ساختار و آموزش مناسب و دادههای کافی، قادر است تأثیرات و ارتباط بین رسوب و سایر متغیرهای مؤثر در رسوبدهی را بدون استفاده از روابط اختصاصی و معادلات مربوطه فراگیرد. برای تخمین رسوبدهی زیرحوزهها، از ساختار MLP استفاده شد. پس از آموزش و آزمایش دادهها،بهترین حالت در نظر گرفته شده و سپس با روش رگرسیونهای چندمتغیره مقایسه شد. نتایج نشاندهنده بهبود قابل توجهی در محاسبه و تخمین رسوب و کارآیی روش شبکههای عصبی نسبت بهروش رگرسیونهای چند متغیره است.
کلید واژگان
انتقال رسوبرگرسیون چندمتغیره
ساختار MLP
منابع آب سطحی
شماره نشریه
1تاریخ نشر
2011-04-211390-02-01
ناشر
پژوهشکده حفاظت خاک و آبخیزداریSoil Conservation and Watershed Management Research Institute (SCWMRI)
سازمان پدید آورنده
استادیار گروه آبیاری، پردیس ابوریحان، دانشگاه تهراندانشآموخته گروه آبیاری، پردیس ابوریحان، دانشگاه تهران
شاپا
2251-93002322-536X
