فهرس المقالات Dispersion coefficient

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - بررسی آزمایشگاهی و ارزیابی نتایج شبیه سازی عددی و حل تحلیلی معادله ی جابجایی - -پراکندگی کلاسیک برای آلودگی های واکنش ناپذیر
  علیرضا عمادی یعقوب آژدان جعفر چابک پور رسول دانشفراز
  ضریب پراکندگی طولی از دیدگاه امنیت عمومی و سلامت بشر یکی از پارامترهای مهم برای پیش بینی و توصیف انتقال آلودگی در رودخانه ها و آب های کم عمق می باشد. با انجام آزمایش های ماده ردیاب در یک کانال آزمایشگاهی با شیب طولی (0.001 و 0.007) و پنج دبی (7.5، 15.5,11.5، 20.5 و 25.5 أکثر

  ضریب پراکندگی طولی از دیدگاه امنیت عمومی و سلامت بشر یکی از پارامترهای مهم برای پیش بینی و توصیف انتقال آلودگی در رودخانه ها و آب های کم عمق می باشد. با انجام آزمایش های ماده ردیاب در یک کانال آزمایشگاهی با شیب طولی (0.001 و 0.007) و پنج دبی (7.5، 15.5,11.5، 20.5 و 25.5) لیتر بر ثانیه منحنی های رخنه اندازه گیری شده با منحنی های رخنه حل تحلیلی معادله کلاسیک و شبیه سازی شده توسط مدل عددی OTIS مقایسه شدند. بررسی نتایج نشان داد که معادله ی کلاسیک در پیش بینی شاخه پایین رونده منحنی رخنه‌ در شرایط رودخانه های بستر شنی همراه با خطا بوده و لذا بکارگیری این معادله برای پیش بینی دقیق آلودگی در رودخانه های دارای نواحی ذخیره توصیه نمی شود ضریب پراکندگی محاسباتی با فاصله گرفتن از محل تزریق افزایش یافت. ضریب پراکندگی برای آزمایش های این تحقیق در محدوده 0.0073 و 0.18 مترمربع بر ثانیه بدست آمد. همچنین نتایج محاسبات پارامترهای زمان عبور از منحنی‌های رخنه آزمایشگاهی حاکی از برقراری رابطه نمایی بین آنها و فاصله از محل تزریق بود. در نهایت با استفاده از مشخصات هندسی، هیدرولیکی و منحنی های رخنه اندازه گیری شده و کاربرد روش پای باکینگهام رابطه جدیدی جهت پیش بینی ضریب پراکندگی طولی توسعه یافت. خطای نسبی و جذر میانگین مربع خطای نرمال شده برای رابطه‌ی ارایه شده به ترتیب برابر 24% و 1.37بدست آمد. کلید واژه‌ها: انتقال آلودگی؛ ضریب پراکندگی طولی؛ منحنی رخنه؛ OTIS تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - Prediction of Longitudinal Dispersion Coefficient of Pollution in Rivers Using a Modified of Neural Networksby Genetic Algorithm
  عباس پارسایی امیر حمزه حقی آبی امیر مرادی نژاد
  Reductionof Surface water quality and pollution in the environment is majorproblems. This issuewill become more important because the rivers are as a source for supplied for drinking water forpeople, industrial and agriculture. Prediction and modeling of hydraulic pheno أکثر

  Reductionof Surface water quality and pollution in the environment is majorproblems. This issuewill become more important because the rivers are as a source for supplied for drinking water forpeople, industrial and agriculture. Prediction and modeling of hydraulic phenomenon is one of themost importantactivities of Hydraulic Engineering. Neural network is one of the most usefulmethods of data processing which capable of modeling the complex relationships between inputand output. In this study, for prediction of the dispersion coefficient of pollution in rivers andthedevelopment of neural network (ANN) and empirical formulas wasstudied. Best accuracy ofthem is related to the Tavakollizadeh and Kashefipur, formula which its error index R 2 􀀠 0.77 .To increase in the perdition of the dispersion coefficient, the multi-layer perceptron (MLP) wasdeveloped. Training process and simulation MLP model was conducted in the Matlabsoftwareenvironment.To increase the performance of the MLP, genetic algorithm for training process isused. The results showed that the MLP are more accurate in comparison with otherempiricalequations.Using genetic algorithms for neural network training the neural networkmodel will further increase its accuracy about the 19 percent. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - Semi-automatic monitoring in monitoring the privacy of electricity transmission and super distribution lines in Yazd province using time series analysis of radar images, a case study of Jumhouri Blvd
  Mahdieh Rezaeyan
  10.30495/jrors.2023.1980099.1172
  Today, the electricity industry is considered one of the most vital industries of a country, and considering that the passage of electricity transmission lines in each region has different effects and radiation depending on its voltage, so in order to preserve human hea أکثر

  Today, the electricity industry is considered one of the most vital industries of a country, and considering that the passage of electricity transmission lines in each region has different effects and radiation depending on its voltage, so in order to preserve human health, plant growth and prevent financial losses, Privacy must be respected. One of the optimal methods in semi-automatic monitoring and monitoring of illegal constructions is the use of remote sensing and the use of radar images. In this research, Sentinel1 radar time series images were used to monitor the security of transmission and super distribution lines, which after applying pre-processing Necessary in SNAP software, In order to extract the zero sigma dispersion coefficient of the images and make them binary, 100 sample points were taken as a statistical population from the Landsat images and the threshold limit of the construction of two images were calculated and the number 0.081003 was obtained as the threshold limit, and then by creating the privacy layer of the transmission network and overlaying it with the fuzzy images, the amount of interference The constructions were determined by the structure of the network privacy and also the illegal constructions were identified during one year with the pixel-based algorithm and at the end drone images were used for validation, the results of this research indicate that most of the illegal constructions can be identified using the method presented It was identified semi-automatically with 85-90% accuracy and increased the speed of identifying illegal constructions in privacy. تفاصيل المقالة