پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,228 |
| تعداد مقالات | 67,749 |
| تعداد مشاهده مقاله | 115,077,077 |
| تعداد دریافت فایل اصل مقاله | 89,814,089 |
بررسی امکان برآورد بار معلق رودخانه کرج با بهره‌گیری از منطق فازی و شبکه عصبی | ||
| نشریه علمی - پژوهشی مرتع و آبخیزداری | ||
| مقاله 9، دوره 62، شماره 2 - شماره پیاپی 325065، مهر 1388، صفحه 271-282 اصل مقاله (273.4 K) | ||
| نویسندگان | ||
| علی سلاجقه؛ علی فتح آبادی | ||
| چکیده | ||
| برآورد بار معلق رودخانه یک امر مهم در طراحی سازه‌های آبی, مسائل زیست محیطی و کیفیت آب رودخانه‌ها می‌باشد. یکی از متداول‌ترین روش‌ها برای برآورد بار معلق رودخانه منحنی سنجه رسوب می‌باشد،ْ در منحنی سنجه رسوب یک رابطه رگرسیونی که به‌طور معمول از نوع توانی می‌باشد بین دبی آب و رسوب بر قرار می‌شود. با توجه به عدم قطعیت‌ها و غیر خطی بودن ارتباط بین دبی آب و رسوب, منحنی سنجه رسوب فاقد کارایی لازم برای این امر می‌باشد. در این پژوهش با بهره‌گیری از روش‌های هوش مصنوعی (شبکه عصبی مصنوعی و منطق فازی) میزان بار معلق رودخانه کرج در ایستگاه سیرا برآورد شد. در آغاز مدل‌های مختلف شبکه عصبی و منطق فازی ساخته شد, که در روش شبکه عصبی شبکه با چهار نرون در لایه مخفی و در منطق فازی سیستم استنتاج فازی ممدانی با چهار تابع عضویت گوسی به عنوان بهترین مدل‌ها شناخته شدند, در نهایت نتایج این پژوهش نشان داد که منطق فازی عملکرد بهتری نسبت به دو روش شبکه عصبی مصنوعی و منحنی سنجه رسوب داشته و بهره‌گیری از آن برای برآورد بار معلق رودخانه پیشنهاد می‌شود. | ||
| کلیدواژه‌ها | ||
| بار معلق؛ شبکه عصبی مصنوعی؛ منحنی سنجه رسوب؛ منطق فازی و رودخانه کرج | ||
| عنوان مقاله [English] | ||
| Estimation of the suspended sediment loud of Karaj River using fuzzy logic and neural networks | ||
| نویسندگان [English] | ||
| A. Salajegheh؛ A. Fathabadi | ||
| چکیده [English] | ||
| Correct estimation of suspended sediment transported by a river is an important practice in water structure design, environmental problems and water quality issues. Conventionally, sediment rating curve used for suspended sediment estimation in rivers. In this method discharge and sediment discharge or concentration related using regression relation that generally is exponential model. Respect to uncertainty and nonlinear relation between discharge and sediment concentration, sediment rating curve has not enough efficiency for this purpose. In this study using Artificial Intelligent (Fuzzy Logic and Artificial Neural Network), suspended sediment in Karaj River was estimated. First, various neural network and fuzzy logic models established. For neural network and fuzzy logic, models with four neuron in hidden layers and FIS (Fuzzy Inference System) with four Gaussian membership functions, respectively were selected as the best structure. Finally, the results showed that fuzzy logic estimates the suspended sediment loud better than the other techniques and therefore is suggested for estimation of suspended sediment load. | ||
| کلیدواژه‌ها [English] | ||
| Artificial Neural Network, Fuzzy logic, Karaj River, Sediment Rating Curve, Suspended Sediment | ||
|
آمار تعداد مشاهده مقاله: 2,614 تعداد دریافت فایل اصل مقاله: 3,741 |
||