حفاظت منابع آب و خاک (علمی - پژوهشی)
,
شماره4,سال
6
,
پاییز
1395
همواره پدیده انتقال رسوب، بسیاری از سازههای رودخانهای و سازههای عمرانی را تحت تاثیر قرار داده و عدم اطلاع از میزان دقیق آن خسارات بسیاری را موجب میشود. از این جهت برآورد صحیح بار رسوبی در رودخانهها از نقطه نظر رسوب، فرسایش و کنترل سیلاب بسیار حایز اهمیت است. در ا چکیده کامل
همواره پدیده انتقال رسوب، بسیاری از سازههای رودخانهای و سازههای عمرانی را تحت تاثیر قرار داده و عدم اطلاع از میزان دقیق آن خسارات بسیاری را موجب میشود. از این جهت برآورد صحیح بار رسوبی در رودخانهها از نقطه نظر رسوب، فرسایش و کنترل سیلاب بسیار حایز اهمیت است. در این تحقیق، از دو روش نوین دادهکاوی شامل مدل درختی M5 و رگرسیون بردار پشتیبان برای برآورد بار رسوبی معلق رودخانه اهرچای در مقایسه با روش کلاسیک منحنی سنجه رسوب استفاده گردید. جهت ارزیابی عملکرد روشهای استفاده شده از سه آماره شامل ضریب همبستگی، جذر میانگین مربعات خطا و میانگین خطای مطلق استفاده گردید. با انجام تحلیل حساسیت مدلها به متغیر ورودی مشخص گردید، متغیر دبی جریان در ماه جاری دارای بیشترین تاثیر بر روی میزان بار رسوبی معلق میباشد. در حالت کلی نتایج بدست آمده بیانگر دقت بسیار بالای روشهای دادهکاوی نسبت به منحنی سنجه رسوب میباشد. اگرچه هر دو روش دادهکاوی بررسی شده دقت بیشتر و خطای کمتری نسبت به روش متداول منحنی سنجه رسوب داشتهاند، اما با توجه به روابط خطی ساده و قابل فهم ارائه شده توسط مدل درختی M5، کاربرد این روش کارآمد در موارد مشابه توصیه میگردد.
پرونده مقاله
حفاظت منابع آب و خاک (علمی - پژوهشی)
,
شماره2,سال
7
,
تابستان
1397
باتوجه به اهمیت مقدار جریان خروجی از حوضه آبریز جهت مدیریت آب های سطحی، فهم دقیق ارتباط بین مقدار رواناب با پارامترهای اقلیمی همچون بارش و دما و شناسائی موثرترین پارامتر در فرآیند مدل سازی بسیار مهم میباشد. در این تحقیق پس از آزمون همگنی دادههای بارش، دما و رواناب ماه چکیده کامل
باتوجه به اهمیت مقدار جریان خروجی از حوضه آبریز جهت مدیریت آب های سطحی، فهم دقیق ارتباط بین مقدار رواناب با پارامترهای اقلیمی همچون بارش و دما و شناسائی موثرترین پارامتر در فرآیند مدل سازی بسیار مهم میباشد. در این تحقیق پس از آزمون همگنی دادههای بارش، دما و رواناب ماهانه حوضه آبریز ناورود، ابتدا براساس دو الگوریتم رلیف و همبستگی دو ترکیب مختلف از پارامترهای موثر در رواناب مورد توجه قرار گرفت. الگوریتم جدید رلیف با استفاده از میانگین بردار وزنی مرتبط بین دادهها و یک مقدار آستانه، ویژگیهای موثر در بین یک مجموعه از دادهها را به ویژه در شرایطی که تعداد دادهها کم باشد، به ترتیب اهمیت شناسایی میکند. سپس با استفاده از دو روش رگرسیون بردار پشتیبان و نزدیکترین همسایگی رواناب ماهانه مبتنی بر دو ترکیب ورودی پیشنهادی مدل سازی گردید. نتایج بهدست آمده نشان داد، روش رگرسیون بردار پشتیبان با بهره گیری از تابع کرنل شعاع محور نسبت به روش نزدیکترین همسایگی از دقت بالا و خطای کمتری در برآورد رواناب به خصوص در مقادیر جریانهای سیلابی برخوردار است.
پرونده مقاله
فصلنامه علمی مهندسی منابع آب
,
شماره4,سال
9
,
پاییز
1395
یکی از عواملی که همواره پلها را مورد تهدید قرار میدهد، آبشستگی موضعی میباشد. پرشمار بودن فراسنجهای تاثیرگذار بر پدیدهی آبشستگی و همچنین پیچیدگی فرایند آبشستگی، بررسی این پدیده را با دشواریهای بسیار همراه نموده است. بهرغم تلاش چکیده کامل
یکی از عواملی که همواره پلها را مورد تهدید قرار میدهد، آبشستگی موضعی میباشد. پرشمار بودن فراسنجهای تاثیرگذار بر پدیدهی آبشستگی و همچنین پیچیدگی فرایند آبشستگی، بررسی این پدیده را با دشواریهای بسیار همراه نموده است. بهرغم تلاشهای زیاد صورت گرفته در این زمینه و تعدد روابط تجربی موجود، رابطهی کلی و جامعی برای تخمین عمق حفرهی آبشستگی در همهی شرایط موجود نیست. امروزه استفاده از روشهای نوین دادهکاوی، سامانههای هوشمند و نرمافزار درختی M5، برای حل و شبیهسازی مسائل پیچیدهی مهندسی آب مورد توجه واقع شدهاند. در این تحقیق، با استفاده از دادههای آزمایشگاهی و مشخص نمودن 10 نمایشنامه مختلف، شامل ترکیبهای متفاوتی از عوامل موثر بر آبشستگی، سعی بر بررسی کارایی روشهای شبکه عصبی مصنوعی و نرمافزار درختی M5 در تخمین عمق آبشستگی پایهی پل و مقایسهی دستاوردها با نتایج روابط تجربی Melville، Mississippi و HEC-18 شده است. نتایج بهدست آمده نشان دادند نرمافزار درختی M5، با ارائهی دو قانون ساده اگر-آنگاه و با ضریب همبستگی 95/0 در مقایسه با روش شبکههای عصبی مصنوعی و روابط تجربی در تخمین آبشستگی از کارایی بالایی برخوردار است. همچنین، مشخص گردید که برای دادههای آزمایشگاهی مورد استفاده در این تحقیق و از بین روابط تجربی موجود، روابط HEC-18، Mississippi و Melville به ترتیب از دقت نسبتا بالایی برخوردار می باشند.
پرونده مقاله
سکوی نشر دانش
سند یا سکوی نشر دانش ،سامانه ای جهت مدیریت حوزه علمی و پژوهشی نشریات دانشگاه آزاد می باشد