پیش بینی بارمعلق رودخانه ها برمبنای دبی جریان با استفاده ازبرنامه ریزی ژنتیک

نویسند‌گان: [ خانلار مشاری ] - دانش اموخته کارشناسی ارشد عمران آب دانشگاه آزاد اسلامی واحدمراغه[ محمدعلی قربانی ] - دانشیارگروه مهندسی آب دانشگاه تبریز ایران[ رسول دانشفراز ] - استادیار گروه مهندسی عمران دانشگاه مراغه مراغه ایران

خلاصه مقاله:

برآورد صحیح بار رسوبی در طرحهای آبی بسیار حائز اهمیت است، رسوبگذاری در مخان سدها و کاهش آنها تغییر مسیررودخانهها به دلیل رسوبگذاری در بستر آنها و اثرات منفی در ظرفیت آبگذری کانال انتقال آب تغییر کیفیت آب به لحاظ مصارف شرب و کشاورزی از جمله مشکلاتی ناشی از این پدیده اهکاری مناسب جهت برآورد دقیق بار معلق رودخانه ها، بسیار سودمند است اگرچه در دهه اخیر تحقیقاتی در خصوص کاربرد مدل های هیدرولوژیکی جعبه سیاه متکی بر شبکه های عصبی مصنوعی و برتری دقیق آنها بر روابط تجربی همچون منحنی سنجه رسوب ارائه شده است ولی به دلیل غیرصریح بودن آنها در عمل سبب توسعه نیافته است در تحقیق حاضر رابطه صریح ریاضی با استفاده از برنامه ریزی ژنتیک برای پیش بینی با خانه ها ارائه شده و دقت نتایج حاصل با روش شبکه عصبی مصنوعی مورد مقایسه قرار گرفته است و در پیش بینی جریان و رسوب معلق رودخانه و جهت مدل سازی و تایید برنامه ریزی ژنتیک از داده های مربوط به سال ........... از ایستگاه هیدرومتری رودخانه بیطاس واقع بر روی سدمهاباد در استان آذربایجان غربی مورد استفاده است و با یک فرآیند آموزش عمل پیش بینی انجام گرفت و نتایج محاسباتی با داده های مشاهداتی را جذر میانگین مربعات خطا RMSE و ضریب تعیین R2 برای ارزیابی دقت مدل ها مورد بررسی و ... گرقت نتایج حاصله حاکی از دقت بالای برنامه ریزی ژنتیک در مقایسه با شبکه عصبی مصنوعی و کارایی .... بار معلق رودخانه ها می باشند

کلمات کلیدی:

 تخمین بارمعلق ، برنامه ریزی ژنتیک ، شبکه عصبی مصنوعی ، رودخانه بیطاس

عملکردسیستم های هوشمنددرتخمین باررسوب معلق رودخانه صوفی چای

نویسند‌گان: [ محمد مقتومی ] - دانشجوی کارشناسی ارشد عمران آب دانشگاه آزاد اسلامی واحدمراغه[ رسول دانشفراز ] - استادیار گروه مهندسی عمران دانشگاه مراغه مراغه ایران[ خانلار مشاری ] - دانش اموخته کارشناسی ارشد عمران آب

خلاصه مقاله:

برآورد صحیح بار رسوبی در طرحهای آبی بسیار حائز اهمیت است رسوبگذاری در مخازن سدها و کاهش حجم مفید آنها تغییر مسیر رودخانه ها به دلیل رسوبگذاری در بستر آنها کاهش ظرفیت آبگذاری کانال ها و تاسیسات انتقال آب تغییر کیفیت آب به لحاظ مصارف شرب و کشاورزی از جمله مشکلات ناشی از این پدیده است لذا ارائه راهکارهای مناسب جهت برآورد دقیق بار معلق رودخانه ها بسیار سودمند است بدلیل تاثیر پارامترهای مختلف تعیین معادلات حاکم بر آن متشکل بوده و در صورت تعیین مدل ریاضی نیز از دقت کافی برخوردار نیستند. هدف از تحقیق حاضر برآورد رسوب معلق رودخانه صوفی چای درایستگاه هیدرومتری تازه کند واقع در بالادست سدعلویان مراغه در استان آذربایجان شرقی می باشد و از داده های مربوط به دوره آماری سال های ابی 1346-1389 ثبت شده از ایستگاه مذکور مورداستفاده قرار گرفته است و برای تخمین بار رسوب معلق رودخانه صوفی چای با استفاده از روش های شبکه های عصبی، پیشخور، بازگشتی، شعاع مبنا و سیستم های فازی – عصبی و با یک فرآیند آموزش عمل پیش بینی انجام گرفت و نتایج داده های محاسباتی با دادههای مشاهداتی توسط معیارهای جذر میانگین مربعات خطا RMSE و ضریب تعیین R2 و میانگین قدر مطلق نسبت به خطاها MARE برای ارزیابی دقت مدل ها مورد بررسی و مقایسه قرار گرفت نتایج حاصله حاکی از دقت بالای شبکه عصبی مصنوعی بازگشتی در مقایسه با سایر شبکه های عصبی، و سیستم های فازی – عصبی در پیش بینی بار معلق رودخانه صوفی چای می باشد

کلمات کلیدی:تخمین بارمعلق ، سیستم های فازی ـ عصبی ، شبکه عصبی مصنوعی ، رودخانه صوفی چای