محاسبه بار رسوب رودخانه کارون بااستفاده از سیستم هوشمند شبکه عصبی مصنوعی (بازه اهواز- فارسیات)

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

 محاسبه بار رسوب رودخانه کارون بااستفاده از سیستم هوشمند شبکه عصبی مصنوعی (بازه اهواز- فارسیات) دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد محاسبه بار رسوب رودخانه کارون بااستفاده از سیستم هوشمند شبکه عصبی مصنوعی (بازه اهواز- فارسیات)  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 محاسبه بار رسوب رودخانه کارون بااستفاده از سیستم هوشمند شبکه عصبی مصنوعی (بازه اهواز- فارسیات)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن محاسبه بار رسوب رودخانه کارون بااستفاده از سیستم هوشمند شبکه عصبی مصنوعی (بازه اهواز- فارسیات) :

تعداد صفحات :۱۳

چکیده مقاله:

فرسایش و رسوب در مسائل آبی تهدیدی جدی برای پیشرفت های اقتصادی محسوب می شود و خسارتهای ناشی از آن سبب از بین رفتن سرمایه های ملی و منابع طبیعی می گردد. پرشدن مخازن سدها، بندها، کانال های آبرسانی، مدفون شدن اراضی کشاورزی با رسوبات از جمله مشکلات ناشی از پدیده رسوب گذاری می باشد. لذا برآورد میزان بار رسوب در بسیاری از پروژه های مهندسی حائز اهمیت است. روش های تئوریکی و تجربی مختلفی بمنظور برآورد بارکل، بار بستر و بار معلق در یک رودخانه، گسترش یافته است. امروزه با گسترش استفاده از مدل های محاسباتی نوین، راه حل های بهتر و جدیدتری در حل مسائل هیدرولیکی ارائه شده است، از جمله این مدل های محاسباتی می توان از شبکه های عصبی مصنوعی نام برد. لذا بدلیل پیچیدگی مسئله برآورد رسوب و تاثیر عوامل مختلف در آن سبب شده که استفاده از این مدلها در علمرسوب گسترش یابد. در این تحقیق با استفاده از شبکه عصبی مصنوعی بهترین ساختار برای شبکه جهت برآورد بار رسوب رودخانه کارون-ایستگاه اهواز- فارسیات تعیین شد، روش پیشنهادی استفاده از شبکه پرسپترون چند لایه (MLP) است که با استفاده از الگوریتم DeltaBarDelta آموزش می یابد.نتایج تحقیق نشان داد که شبکه عصبی مصنوعی با ساختار پیشنهادی ۱-۷-۶ در مقایسه با دو روش دیگر از دقت بیشتری برخوردار می باشد که نتیجه حاصله دلالت بر توانایی مدل شبکه عصبی مصنوعی در برآورد بار رسوب دارد.