مقاله پیش بینی بار رسوب معلق در ایستگاه آبسنجی واقع در بالا دست سد بارون ماکو شاخه قزلارچای با استفاده از شبکه های عصبی مصنوعی

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

  مقاله پیش بینی بار رسوب معلق در ایستگاه آبسنجی واقع در بالا دست سد بارون ماکو شاخه قزلارچای با استفاده از شبکه های عصبی مصنوعی دارای ۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله پیش بینی بار رسوب معلق در ایستگاه آبسنجی واقع در بالا دست سد بارون ماکو شاخه قزلارچای با استفاده از شبکه های عصبی مصنوعی  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 پیش بینی بار رسوب معلق در ایستگاه آبسنجی واقع در بالا دست سد بارون ماکو شاخه قزلارچای با استفاده از شبکه های عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله پیش بینی بار رسوب معلق در ایستگاه آبسنجی واقع در بالا دست سد بارون ماکو شاخه قزلارچای با استفاده از شبکه های عصبی مصنوعی :

تعداد صفحات:۹
چکیده:
برآورد دقیق حجم رسوبات یکی از مهم ترین عوامل در ساماندهی و بهره برداری از منابع آب می باشد. سالانه به طور میانگین حدود ۵۰ تا ۱ درصد ۵ درصد است که به طور تقریبی برابر با .. از مجموع حجم مخازن دنیا به علت رسوب گذاری از دست می رود که در ایران این مقدار بین ۵۰ تا ۰ ۱۰ تا ۰۰۵ میلیون مترمکعب در سال می باشد. از جمله مشکلات ناشی از پدیده رسوبگذاری اختلال در عملکرد دریچه های تحتانی، افزایش قدرت فرسایش رودخانه در پایین دست سد، تشکیل جزایر رسوبی در محل ورود رودخانه به مخزن و باتلاق در اراضی بالادست سد و کاهش حجم مفیدسدها و در نتیجه کاهش توان ذخیره آب و کاهش حجم کنترل سیلاب می باشد. از روش های معمول برای بررسی و تخمین رسوبگذاری روش های آزمایشگاهی، مدل های ریاضی و مدل های تجربی هستند. از روش های نوین برای پیش بینی رفتار پدیده های طبیعی استفاده از شبکه های عصبی مصنوعی است. در تحقیق حاضر با استفاده از اطلاعات هیدرومتری ایستگاه مزرعه واقع در بالادست سد بارون ماکو دبی رسوب ورودی به مخزن سد توسط مدل شبکه ی عصبی مصنوعی پرسپترون چند لایه (۳MLP) و روش منحنی سنجه رسوب پیش بینی گردید که با مقایسه دو روش ملاحضه گردید روش شبکه عصبی از دقت بالاتری در تخمین مقدار رسوب برخوردار است