مقاله شبیه سازی بار معلق رسوب رودخانه با استفاده ازشبکه های عصبی مصنوعی؛مطالعه موردی رودخانه شاپور ایستگاه چیتی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله شبیه سازی بار معلق رسوب رودخانه با استفاده ازشبکه های عصبی مصنوعی؛مطالعه موردی رودخانه شاپور ایستگاه چیتی دارای ۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله شبیه سازی بار معلق رسوب رودخانه با استفاده ازشبکه های عصبی مصنوعی؛مطالعه موردی رودخانه شاپور ایستگاه چیتی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله شبیه سازی بار معلق رسوب رودخانه با استفاده ازشبکه های عصبی مصنوعی؛مطالعه موردی رودخانه شاپور ایستگاه چیتی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله شبیه سازی بار معلق رسوب رودخانه با استفاده ازشبکه های عصبی مصنوعی؛مطالعه موردی رودخانه شاپور ایستگاه چیتی :

تعداد صفحات:۶
چکیده:
رسوبات حمل شده توسط رودخانه ها می تواند باعث بوجود امدن خساراتی به طبیعت، کشاورزی و تاسیسات آبی گردد . بررآوردصحیح بار رسوبی در تاسیسات آبی (مانند سد) باعث جلوگیری از حرف هزینه های اضافی خواهد شد. کشور ما ایران با دارا بودن رودخانه هرای متعدد، پتانسیل بالایی جهت احداث سد دارد و از طرفی همه ساله سیل در نقاط مختلف باعث ایجاد خسارت های فراوانی می گردد کره یکی از دلایل آن کاهش یافتن ظرفیت حمل آب توسط مقطع رودخانه بدلیل انباشتگی رسوبات می باشد. لذا بررسری پدیده رسوب و براورد رسوب حمل شده توسط رودخانه اهمیت خاحی خواهد داشت. در این راستا جهت تخمین بار معلق رسوب بره جای استفاده از روش کلاسیک از روش های هوشمند سازی شبکه های عصبی مصنوعی که با پدیده های طبیعی سازگارتر هستند، استفاده شده است بدین منظور از داده های اندازه گیری شده دبی و رسوب رودخانه شاپور ایستگاه چیتی از سال ۱۳۷۱ تا ۱۳۹۰ استفاده شده است . به منظور مقایسه و ححت سنجی کارایی روش های مختلف مورد استفاده در تحقیق از معیارهای ارزیابی خطا از جمره MSE , RMSE, SSE و ضریب همبستگی استفاده شده است. نتایج این تحقیق حاکی از دقت و برتری نسبی مدل شبکه های عصبی با تعداد لایه ۴ و تعداد نرون ۲۵ در هر لایه و با تابع انتقال TANSIG نسبت به بقیه مدل ها می باشد.