شبیه سازی بار معلق به روش شبکه عصبی و مقایسه آن با منحنی سنجه رسوب ( مطالعه موردی رودخانه خرم آباد )


در حال بارگذاری
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
2 بازدید
۷۹,۷۰۰ تومان
خرید

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

 شبیه سازی بار معلق به روش شبکه عصبی و مقایسه آن با منحنی سنجه رسوب ( مطالعه موردی رودخانه خرم آباد ) دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد شبیه سازی بار معلق به روش شبکه عصبی و مقایسه آن با منحنی سنجه رسوب ( مطالعه موردی رودخانه خرم آباد )  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 شبیه سازی بار معلق به روش شبکه عصبی و مقایسه آن با منحنی سنجه رسوب ( مطالعه موردی رودخانه خرم آباد )،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن شبیه سازی بار معلق به روش شبکه عصبی و مقایسه آن با منحنی سنجه رسوب ( مطالعه موردی رودخانه خرم آباد ) :

تعداد صفحات :۱۴

چکیده مقاله:

پیش بینی و تخمین رسوب رودخانه ها در مدیریت رودخانه ها و مخازن سدها در پروژه های آبی از اهمیت بالایی برخوردار است. با توجه به پیچیدگی پدیده رسوب و عدم توانایی تعیین دقیق معادلات حاکم، به خاطر وجود پارامترهای مختلف و تاثیر تغییرات مکانی و زمانی شرایط هیدرولیک حوضه آبریز و مشکلات ناشی از تعیین تأثیرت آنها، محققان به استفاده از مدل های جعبه سیاه، نظیر شبکه عصبی مصنوعی روی آورده اند.در این مقاله در مورد کارایی این شبکه ها در شبیه سازی بار معلق رودخانه و مقایسه آن با منحنی سنجه رسوب مطالعاتی انجام گرفته است. در شبیه سازی مدل ( ANN )، در انواع تقسیم بندی مجموعه داده ها، انواع ترکیبات ورودی شبکه، تعداد لایه های شبکه، تعداد نرون های لایه های ورودی و مخفی شبکه و … تحقیقاتی انجام گرفته است. در مدل های طراحی شده با دادن دبی جریان و غلظت بار معلق می تواند غلظت بار معلق را شبیه سازی کند. پس از طرح و آموزش شبکه، کاربرد این مدل هوشمند در برآورد رسوب رودخانه خرم آباد که تا کنون با مدل های ریاضی مورد ارزیابی قرار نگرفته بررسی گردید. به منظور ارزیابی نتایج ازمعیارهای ارزیابی RMSE، R و MSE استفاده شده است نتایج به دست آمده نشان داد که شبکه عصبی مصنوعی با یک لایه پنهان و ۹ نرون با ( RMSE=0.0058، R=0.99 و (۵-)MSE=3.4*10 ) برای آموزش و RMSE=0.0025، R=0.94 و (۵-)MSE=6.24*10) برای آزمایش دقت بسیار بالایی نسب به منحنی سنجه رسوب برای شبیه سازی بار معلق رودخانه عمل نموده است.

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.