ارزیابی عملکرد روشهای دادهگرا در تخمین بار کل رسوبی رودخانه های شنی | ||
| تحقیقات آب و خاک ایران | ||
| مقاله 14، دوره 50، شماره 6، آبان 1398، صفحه 1467-1477 اصل مقاله (2.74 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2019.253848.667867 | ||
| نویسندگان | ||
| کیومرث روشنگر* 1؛ سامان شهنازی2 | ||
| 1دانشیار گروه مهندسی عمران آب دانشگاه تبریز | ||
| 2گروه مهندسی آب، داشکده عمران، دانشگاه تبریز، تبریز، ایران | ||
| چکیده | ||
| انجام مطالعات فراوان در رابطه با انتقال رسوب و بهویژه پیشبینی این پدیده نشانگر اهمیت بسیار بالای آن در علوم مرتبط با مهندسی و مدیریت منابع آب میباشد. در این بین روشهای هوشمند در سالهای اخیر به طور موفقیتآمیزی در پیشبینی بار بستر، بار معلق و همچنین بار کل رسوب به کار گرفته شده است. با این حال با توجه به کمبود دادههای مرتبط به بار کل برای رودخانههای با بستر شنی، مطالعات انجام گرفته در این راستا محدود میباشد. هدف از تحقیق حاضر استفاده از روشهای قدرتمند ماشین بردار پشتیبان، شبکه عصبی مصنوعی و رگرسیون فرآیند گاوسی به منظور پیشبینی بار کل رسوب در 19 رودخانه شنی واقع در ایالاتمتحده آمریکا و مقایسه نتایج حاصل با روشهای کلاسیک مرسوم میباشد. بدین منظور پارامترهای بدون بعد مختلفی مبتنی بر هیدرولیک جریان و مشخصات رسوب تعریف و عملکرد روشهای مذکور مورد ارزیابی قرار گرفت. با توجه به نتایج به دست آمده شبکه عصبی مصنوعی با دارا بودن ضریب همبستگی و معیار ناش- ساتکیف به ترتیب برابر با 952/0 R= و 903/0 NSE= برای دادههای صحتسنجی از عملکرد بهتری نسبت به دو روش دیگر برخوردار میباشد. در نهایت با انجام تحلیل حساسیت، پارامتر نسبت سرعت متوسط به سرعت برشی جریان به عنوان تأثیرگذارترین پارامتر در پیشبینی بار کل رسوب معرفی شد. | ||
| کلیدواژهها | ||
| بار کل رسوبی؛ رودخانه های شنی؛ ماشین بردار پشتیبان؛ شبکه عصبی مصنوعی؛ رگرسیون فرآیند گاوسی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 862 تعداد دریافت فایل اصل مقاله: 762 |
||