تخمین رسوب ورودی به مخزن سد با استفاده از روش های داده محور (مطالعه موردی: سد درودزن مرودشت)

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

 تخمین رسوب ورودی به مخزن سد با استفاده از روش های داده محور (مطالعه موردی: سد درودزن مرودشت) دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تخمین رسوب ورودی به مخزن سد با استفاده از روش های داده محور (مطالعه موردی: سد درودزن مرودشت)  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 تخمین رسوب ورودی به مخزن سد با استفاده از روش های داده محور (مطالعه موردی: سد درودزن مرودشت)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن تخمین رسوب ورودی به مخزن سد با استفاده از روش های داده محور (مطالعه موردی: سد درودزن مرودشت) :

تعداد صفحات :۱۰

چکیده مقاله:

هر ساله هزاران تن خاک مناسب و با ارزش از سطح حوضه های آبخیز فرسایش می یابد و قسمتی از آن به صورت رسوبات معلق وارد شبکه هیدروگرافی شده و از حوضه خارج می گردد. یکی از نیازهای طراحی در پروژه های آبخیزداری و حفاظت آب و خاک، برآورد رسوبات معلق است. برای برآورد رسوبات معلق از مدل های مختلفی استفاده می شود. در این تحقیق مدل هایی بر اساس روش های داده محور شبکه های عصبی مصنوعی (ANN) و سیستم استنتاج نروفازی (ANFIS) ساخته شده و برای تخمین رسوب ورودی به مخزن سد درودزن مرودشت استفاده شده است. انجام این تحقیق مبتنی بر جمع آوری داده های ماهانه از ایستگاه های هیدرومتری می باشد. داده هایی که مورد استفاده قرار گرفته اند عبارتند از ارتفاع اشل، میانگین غلظت رسوب از مقاطع مختلف (CM) ، مقدار غلظت در نقطه ثابت (CF) ، مقدار رسوب در مقاطع مختلف. از تعداد ۲۷۵ داده موجود ۱۹۳ داده به عنوان داده های آموزش، ۴۱ داده برای اعتبارسنجی و ۴۱ داده برای آزمون به کار برده شده است. جهت رسیدن به ساختار مناسب شبکه عصبی مصنوعی مدلهای مختلف با تعداد لایه های مخفی تعداد گره های مختلف طراحی و آزمون شد. جهت ارزیابی مدل های ساخته شده از چندین معیار آماری شامل: ضریب تبیین (R2)، جذر میانگین مربعات خطا (RMSE)، میانگین قدر مطلق خطا (MAE) ، مربع میانگین خطای استاندارد (MSE) ، شاخص توافق ویلموت (d) ، استفاده شده است که به ترتیب در (ANN) برابر است با: ۰/۹۵۲۲ و ۶/۴۹۸۸ و ۳/۷۷۲۹ و ۴۲/۲۳۴۳ و ۰/۹۸۷۸ و در ANFIS به ترتیب برابر است با: ۰/۹۱۰۳ و ۸/۸۶۶۹ و ۶/۱۶۰۹ و ۷۸/۶۲۲۳ و ۰/۹۷۶ مقایسه نتایج مدل شبکه عصبی مصنوعی (ANN) با مدل سیستم استنتاج فازی (ANFIS) حاکی از دقت بیشتر شبکه عصبی مصنوعی (ANN) دارد.