خطا
لطفا امکان جاوا اسکریپت را در مرورگرتان فعال نماید!

مگ ایران|خرید مقاله| دانلود مقاله| خرید مقاله

مگ ایران مرجع مقالات فارسی

مگ ایران|خرید مقاله| دانلود مقاله| خرید مقاله }
ارسال شده توسط:
سعید زمانی
تاریخ ارسال:
دوشنبه ۷ آبان ۱۳۹۷
موضوع محصول:
مشاغل
قیمت محصول:
3000تومان
حجم محصول:
43KB
تاریخ بروزرسانی:
دوشنبه ۷ آبان ۱۳۹۷
تعداد نمایش:
22بار
تعداد محبوبیت:
3نفر
خرید:
امتیاز دادن به این محصول امتیاز محصول 11و تعداد رای دهنده3نفر
مقاله در مورد كاربرد شبكه‌هاي عصبي مصنوعي در مهندسي رودخانه
طبق گزارشات، درحال حاضر، بسياري از سدهاي كشورمان، با مشكل رسوب و پرشدن پيش از موعد مخازن مواجه هستند از جمله گزارشي كه در مورد رسوبگذاري در سد سفيد رود منتشر شده كه نشان مي‌دهد كه در هفدهمين سال بهره برداري، رسوبات ورودي نزديك به نيمي از حجم مخزن را اشغال كرده‌اند. در حالي كه مشاور اين شد، عمر مفيد آن را صد سال دانسته است. همچنين سد شهيد عباسپور كه تخمين اوليه براي رسوب آن 2 ميليون مترمكعب در سال بوده، در حالي كه نتايج هيدروگرافي در سال 1362 در مخزن اين سد نشان مي‌دهد كه درطي 7 سال اول بهره برداري از اين سد ساليانه بطور متوسط 38 ميليون متر مكعب وارد مخزن شده است. بديهي است كه افزايش پيش‌بيني ميزان رسوب وارده به درياچه مي‌تواند از اين خسارات جلوگيري به عمل آورد و تحقيق اين امر بستگي زيادي به روشهاي محاسباتي و وجود سنجشهاي مناسب رودخانه‌اي دارد.

كاربرد شبكه‌هاي عصبي مصنوعي در مهندسي رودخانه
مقایسه روش های شبکه عصبی بیزین و شبکه عصبی مصنوعی

شبكه‌هاي عصبي  در مهندسي رودخانه شبكه‌هاي عصبي  در مهندسي رودخانه شبكه‌هاي عصبي  در مهندسي رودخانه

كاربرد شبكه‌هاي عصبي مصنوعي در مهندسي رودخانه


تا كنون معادلات زيادي براي تخمين ميزان رسوب انتقالي رسوب انتقالي توسط رودخانه‌ها ارائه شده است كه همه آنها بر پايه قوانين تئوري ديناميك جريان و انتقال ذرات مي‌باشد. آلونسوو نيبلينگ و فوستر در سال 1982 و يانگ در 1996 از بين ديگران، روشهاي متعدد قراردادي را مقايسه نمود براي محاسبه دبي كل رسوب. بعضي از روشها كه روش غيرمستقيم ناميده شدند، شامل توابع انتقالي بر اساس تابع بار بستر اينشتين هستند كه بار رسوب كل از مجموع توابع بار معلق و بار بستر بدست مي‌آيد. مانند روش اصلاح شده اينشتين توسط كلبي و همبري (1955) و توفالتي (1969). روشهاي مذكور اين نكته را مدنظر قرار مي‌دهند كه هيدروديناميك هر حالت انتقال يكسان نيست اگر چه تمايز آشكار بين در حالت معلق و بستر نيز به آساني ممكن نيست، كاربرد روشهاي گفته شده از نظر تئوري نسبتاً كامل است اما ممكن است به نظر دشوار برسد.

روشهاي ديگر كه روشهاي مستقيم ناميده مي‌شوند، بار رسوب كل را به طور مستقيم مشخص مي‌كنند، بدون اختلاف قائل شدن بين دو حالت انتقال. بعضي از اين روشها از مفهوم نيروي جريان ناشي مي‌شوند. (كار جريان) مانند روش بگنولد (1966) و روش انگلند و هانسن (1967) كه بستگي به مفهوم نيرو و قوانين شبيه‌سازي براي بدست آوردن تابع انتقال رسوب دارد. روش آكرو وايت (1973) بر اساس مفهوم نيروي جريان، بگونولد و آناليز ابعادي براي بيان تحرك و سرعت انتقال رسوب پايه‌ريزي شده‌اند. يانگ در سالهاي 1972 و 73 يك مدل تحليل نيرويي بكار برد و به نيروي جريان موجود در واحد وزن سيال براي انتقال رسوب تأكيد كرد. وليكانوف (1954) تابع انتقال را از تئوري نيروي ثقل استخراج كرد. روشهاي ديگر از توابع انتقال ديگري پيروي مي‌كنند، مثلاً چنگ و سيمونزو ريچاردسون (1967) بار كل را از مجموع بار بستر و معلق محاسبه نمودند. لارسن (1958) يك رابطه وابسته‌اي بين شرايط جريان و دبي رسوبي نتيجه توسعه داد. شن و هانگ (1972) يك معادله رگرسيون براساس داده‌هاي آزمايشگاهي استخراج كردند.

شبكه‌هاي عصبي مصنوعي در مهندسي رودخانه


به سبب كاربردهاي موفق در مدل كردن رفتار سيستم غيرخطي در يك محدوده وسيع از نواحي، شبكه‌هاي عصبي مصنوعي در هيدرولوژي و هيدروليك بكار رفته‌اند. شبكه‌هاي عصبي مصنوعي در مدل بارش ـ رواناب، تخمين جريان، شبيه‌سازي آلودگي جريان، شناسايي پارامتر و مدل كردن غيرخطي ورودي و خروجي سريهاي زماني بكار رفته‌اند. يك شبكه عصبي سه لايه پيشخور توسط فرنچ و همكاران (1992) براي پيش‌بيني شدت بارش در مكان و زمان بكار رفت. اين فرد نتايج را با دو روش ديگر پيش‌بيني ترم ـ كوتاه مقايسه نمود. چنگ و تسانگ (1992) چندين روش رگرسيون و شبكة عصبي مصنوعي براي مدل كردن اكي والان برف ـ آب مقايسه كردند و گزارش دادند كه يك شبكه عصبي مصنوعي نتايج بهتري ارائه مي‌دهد.

HSU و همكاران (1995) گزارش كردند كه شبكه پيشخور چندين لايه بهترين ابزار براي تقريب توابع ورودي ـ خروجي است. آنها يك الگوريتم پيچيده جذر ـ كمينه خطي را براي آموزش يك شبكه پيشخور سه لايه پيشنهاد دادند. كه نشان داد روش مدل شبكه عصبي مصنوعي ارائه بهتري از روابط بارش ـ روانات براي يك حوضه با اندازه متوسط كه با مدل آرمكس يا مدل رطوبت خاك ساكرامنتو مقايسه شد مي‌دهد.

رامان و سانيل كومار (1996) شبكه عصبي مصنوعي را براي توليد جريان ورودي مصنوعي استفاده كردند و اجراي خود را با يك مدل چند متغيرة سريهاي زمان مقايسه نمودند. منيس‌وهال (1996) يكسري از آزمايشات عددي دربارة كاربرد يك شبكهء عصبي مصنوعي را به مدل كردن بارش ـ روناب هدايت كردند و نتيجه گرفتند كه شبكه‌هاي عصبي مصنوعي در شناسايي مفيد روابط بين دبي و بارندگي‌هاي قبلي توانا مي‌باشد.

مقایسه روش های شبکه عصبی بیزین و شبکه عصبی مصنوعی

كرير و همكارانش در سال (1996) يك سيستم هيدروگراف رواناب مجازي براساس يك شبكة عصبي را طراحي كردند و يك ارتباط خوب بين داده‌هاي مشاهده شده و پيش‌بيني شده بدست آوردند. رامان و چاندرا (1996) عملكرد مخزن يك سد را به دوروش برنامه‌نويسي ديناميكي (DP) و روند شبكه عصبي و (DP) و رويه دگرسيون چند خطي استخراج نمودند.

آنها نتيجه‌گيري كردند كه روش (DP) و شبكه عصبي اجراي بهتري از روش ديگر ارائه مي‌دهد. تير و مالايا و دئو (1998) يك شبكه عصبي مصنوعي براي تخمين مرحله وسن رودخانه بكار بردند و گزارش نمودند كه مقادير كمتر مرحله رودخانه با استفاده از اين روش بهتر تخمين زده شدند. داوسن و ويلبي (1998) يك شبكة عصبي مصنوعي براي تخمين جريان رودخانه بكار بردند و توانايي آنها در عهده داري با داده‌هاي ناقص و گم شده و يادگيري از پيش‌بيني شدن رايج از عهده برآمدن cope تصادفي در زمان واقعي را اشاره نمودند. آنها همچنين به نياز به رسيدگي دقيق به روابط بين طول دوره يادگيري و واقعيت هيدرولوژيكي تخمين شبكة عصبي مصنوعي تأكيد نمودند. علي و يرالتا در سال (1999) يك شبكة عصبي مصنوعي را در پيوستگي با يك الگوريتم ژنتيك براي مدل كردن حساسيت آبخوان پيچيده سطحي بكار گرفتند. جين و همكارانش (1999) يك شبكة عصبي مصنوعي براي تخمين ورودي و بهره‌برداري مخزن بكار بردند. ساجي كومار و تاندا و سوارا (1999) نتيجه گرفتند كه يك شبكة عصبي مصنوعي مؤثرترين مدلهاي جعبه سياه آزمايش شده براي كاليبراسيون دوره‌هاي كوتاه 6 ساله براي مدل‌هاي بارش رواناب مي‌باشد.

--------------

تعداد صفحات : 35 صفحه

قیمت : 3000 تومان

پسوند Word

این مقاله به صورت کامل می باشد در صورت نارضایتی برگشت وجه انجام می شود


  • عنوان دیدگاه
  • نام
  • ایمیل تان
  • تلفن
  • وب سایت
  • نوع انتشار نظر
  • کد امنیتیکد امنیتی ریست تصویر
  • ارسال دیدگاه

  • 17
  • تعداد محصول
  • 0
  • خرید های موفق
  • 63
  • کاربران