مقاله برآورد رسوب معلق روزانه با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز ایستگاه مادر سلیمان سد سیوند)

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

  مقاله برآورد رسوب معلق روزانه با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز ایستگاه مادر سلیمان سد سیوند) دارای ۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله برآورد رسوب معلق روزانه با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز ایستگاه مادر سلیمان سد سیوند)  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 برآورد رسوب معلق روزانه با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز ایستگاه مادر سلیمان سد سیوند)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله برآورد رسوب معلق روزانه با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز ایستگاه مادر سلیمان سد سیوند) :

تعداد صفحات:۶
چکیده:
فرسایش، انتقال رسوب، رسو ب گذاری و کیفیت آب از مسایل بسیار مهم در مدیریت حوزه های آبخیز می باشند.آگاهی از میزان رسوب به عنوان پارامترتولید فرآیند فرسایشی درحوضه های آبخیز ازمسائل مهم و کاربردی درمدیریت منابع آب می باشد. در این مطالعه مقدار رسوب معلق با استفاده از دو روش شبکه عصبی مصنوعی ومنحنی سنجه رسوب در حوزه آبخیز ایستگاه مادرسلیمان – سد سیوند برآورد می شود. داده های مورد استفادهشامل دبی جریان، بارش تجمعی ۵ روزه و دبی رسوب از سال ۱۳۶۴ تا ۱۳۸۱ می باشد. هفت تابع ساختار متفاوتتعریف شده و با تحلیل همبستگی، بهترین ساختار مناسب انتخاب و مورد آموزش قرار داده شد. در مدل منحنیسنجه رسوب و پس از مقایسه داده ای مشاهداتی و شبیه سازی شده مقادیر ضریب همبستگی و ریشه میانگین مربعات خطا به ترتیب برابربا ۰/۴۴ و ۱۴۷۷/۳ تن بر روز بدست آمد. همچنین ضریب همبستگی و ریشه میانگین مربعات خطا برای شبکه عصبی مصنوعی با تابع محرک سیگموئید با هفت نرون در لایه پنهان به ترتیب برابربا ۰/۹۹۹ و ۴۸/۱۲۷ تن برروز بدست آمد. در صورتیکه از تابع محرک گوسین استفاده شود ضریب همبستگی و ریشه میانگین مربعات خطا در حالت نه نرون در لایه پنهان به ترتیب برابربا ۰/۹۹۹ و ۵۲/۰۶ تن برروز بدست آمد. با توجه به نتایج فوق می توان چنین نتیجه گیری نمود که شبکه عصبی مصنوعی روشی مناسب با دقتی بالا میباشد که می تواند دبی رسوب معلق را در مقایسه با منحنی سنجه رسوب به خوبی برآورد کند. همچنین تابعمحرک سیگموئید دقیق تر از تابع محرک گوسین در برآورد رسوب معلق می باشد.