مریم اسدی؛ علی فتحزاده
چکیده
آگاهی از میزان رسوب معلق رودخانهها یکی از مسائل اساسی در پروژههای آبی است که طراحان تأسیسات آبی همواره با آن روبرو بودهاند. با توجه به صرف هزینه و زمان طولانی جهت اندازهگیری بار معلق رودخانهها، استفاده از منحنیهای سنجۀ رسوب معمولترین روش برآورد بار رسوب معلق رودخانهها محسوب میگردد. این در حالی است که روشهای نوین ...
بیشتر
آگاهی از میزان رسوب معلق رودخانهها یکی از مسائل اساسی در پروژههای آبی است که طراحان تأسیسات آبی همواره با آن روبرو بودهاند. با توجه به صرف هزینه و زمان طولانی جهت اندازهگیری بار معلق رودخانهها، استفاده از منحنیهای سنجۀ رسوب معمولترین روش برآورد بار رسوب معلق رودخانهها محسوب میگردد. این در حالی است که روشهای نوین مبتنی بر هوش مصنوعی و دادهکاوی در بسیاری از علوم مهندسی رخنه کرده است. بر همین اساس هدف اصلی این تحقیق به چالش کشیدن توانمندی روش کلاسیک برآورد بار معلق در مقایسه با برخی روشهای نوظهور میباشد. ما در این پژوهش شش مدل،K نزدیکترین همسایه، شبکۀ عصبی پس انتشار خطا، فرآیند گوسی، درخت تصمیمگیری M5، ماشینبردار پشتیبان و ماشینبردار پشتیبان تکاملی را انتخاب و به مقایسۀ آنها با مدل سنجۀ رسوب در هشت حوزۀ آبخیز واقع در استان گیلان پرداختیم. طول دوره آماری دادههای ورودی به مدلها به صورت روزانه و 30 ساله در نظر گرفته شد. ارزیابی نتایج حاصله نشان داد مدل فرآیند گوسی در مقایسه با سایر مدلها، با کمترین مجموع مربعات باقیمانده (RMSE) (متوسط مجموع مربعات باقی مانده= 05/37 در هشت حوزه) و بیشترین ضریب همبستگی (r) (متوسط ضریب همبستگی 72/0 در هشت حوزه) و با بهترین ضریب ناش- ساتکلیف (متوسط 66/0 در هشت حوزه) نسبت به سایر مدلها از کارآیی بیشتری برخوردار است. لذا استفاده از مدلهای مذکور به جای روشهای معمول برآورد بار معلق میتواند دقت این برآوردها را به میزان قابل ملاحظهای بهبود بخشد.
علی رضازاده جودی؛ محمد تقی ستاری
چکیده
برآورد بار رسوبی معلق رودخانهها با توجه به خسارات ناشی از عدم توجه و لحاظ کردن آن، یکی از مهمترین و اساسیترین چالشهای مطالعات انتقال رسوب و مهندسی رودخانه میباشد. با توجه به اهمیت و نقش رسوب در طراحی و نگهداری سازههای هیدرولیکی همچون سدها و همچنین برنامهریزی جهت استفاده بهینه از منابع آبی در پاییندست رودخانهها و حفظ ...
بیشتر
برآورد بار رسوبی معلق رودخانهها با توجه به خسارات ناشی از عدم توجه و لحاظ کردن آن، یکی از مهمترین و اساسیترین چالشهای مطالعات انتقال رسوب و مهندسی رودخانه میباشد. با توجه به اهمیت و نقش رسوب در طراحی و نگهداری سازههای هیدرولیکی همچون سدها و همچنین برنامهریزی جهت استفاده بهینه از منابع آبی در پاییندست رودخانهها و حفظ منابع مغذی بالادست آنها، همواره تلاشهای بسیاری در زمینه تخمین میزان بار رسوبی معلق رودخانهها انجام گرفته و روشهای متعددی در این زمینه توسعه یافته است. اما با توجه به هزینهبر بودن اکثر روشها و یا عدم دقت کافی در اکثر روشهای تجربی مرسوم، نیاز به روش نوینی که بتواند بار رسوبی معلق رودخانه را با بیشترین دقت ممکن تخمین زند، امری ضروری به نظر میرسد. در این مطالعه میزان بار رسوبی معلق رودخانه لیقوان چای توسط روشهای رگرسیون بردار پشتیبان و k-نزدیکترین همسایگی برآورد گردیدند. نتایج نشاندهندۀ عملکرد مناسب هر دو روش دادهکاوی بررسی شده در این تحقیق میباشد. از میان روشهای بررسی شده در این تحقیق، روش رگرسیون بردار پشتیبان میزان بار رسوبی معلق رودخانه لیقوان چای را با ارائه مقادیر ضریب همبستگی برابر با 959/0 و ریشه میانگین مربعات خطا برابر با 547/43 (تن در روز) با دقت بیشتری نسبت به روش k-نزدیکترین همسایگی پیشبینی کرد.