[صفحه اصلی ]   [Archive] [ English ]  
:: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
اطلاعیه ها::
::
شناسنامه نشریه
صاحب امتیاز
انجمن آبخیزداری ایران
►مدیر مسئول
دکتر سیدحمیدرضا صادقی
►سردبیر
دکتر علی طالبی
►مدیر اجرایی
مهندس فرهاد بهبودی
►مدیر داخلی
دکتر عاطفه جعفرپور
►کارشناس
دکتر سودابه قره‌محمودلی
►دوره انتشار
فصل‌نامه
►شاپا الکترونیکی
2008-9554
..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
سایت انجمن آبخیزداری ایران
سایت انجمن آبخیزداری ایران
پژوهشکده حفاظت خاک و آبخیزداری
..
مجله اکوهیدرولوژی

مجله اکوهیدرولوژی

..
:: دوره 14، شماره 48 - ( 1-1399 ) ::
جلد 14 شماره 48 صفحات 78-68 برگشت به فهرست نسخه ها
پیش بینی نرخ فرسایش رسوبات چسبنده و تحلیل پارامترهای مؤثر بر آن به کمک شبکه عصبی مصنوعی
مهران خیرخواهان ، خسرو حسینی* ، شهاب نیر
چکیده:   (2436 مشاهده)
مکانیک انتقال رسوبات چسبنده متفاوت از رسوبات غیرچسبنده است. در تعیین نرخ فرسایش رسوبات غیرچسبنده از پارامترهای فیزیکی، همانند قطر متوسط و چگالی استفاده می‌گردد، در حالی‌که به علت ماهیت رسوبات چسبنده نرخ فرسایش آن‌ها به صورت رابطه‌ای با تنش برشی بستر با ضرایب ثابت مربوط به ویژگی هر نوع رسوب تعریف می‌گردند. در این تحقیق از اطلاعات آزمایشگاهی رسوبات چسبنده مصب رودخانه لویر استفاده شده است که پس از صحت‌سنجی نتایج در نرم افزار Mike، داده‌های آزمایشگاهی توسعه داده شدند تا بتوان با داده‌های بیشتر و شرایط هیدرولیکی متفاوت‌تری، پدیده فرسایش رسوبات را مورد مطالعه قرار داد. در ادامه نظر به تعداد پارامترهای متعدد مؤثر در پدیده فرسایش رسوبات، از شبکه عصبی برای ایجاد ارتباط میان داده‌ها استفاده گردید. پارامترهای استفاده شده در مدل شامل مؤلفه‌های جریان و مشخصه‌های رسوبات و سیال می‌باشند. به علت عملکرد بهتر شبکه عصبی این داده‌ها پس از بی‌بعدسازی مورد استفاده قرار گرفتند. ضریب همبستگی و میانگین قدر مطلق خطای داده‌ها در شبکه عصبی مورد استفاده به ترتیب 98/ 0 و 0036/ 0 به دست آمدند که بیان‌گر عملکرد مناسب شبکه بودند. در نهایت پس از انجام تحلیل حساسیت وزنی، پارامترهای   و   به ترتیب بعنوان مؤثرترین پارامترهای افزایش و کاهش نرخ فرسایش معرفی شدند.
 
واژه‌های کلیدی: تنش برشی تسلیم، رودخانه لویر فرانسه، ویژگی‌های سیال و رسوب، تحلیل حساسیت فرسایش، مدل عددی Mike، شبکه عصبی MLP.
متن کامل [PDF 1906 kb]   (998 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1398/5/3 | پذیرش: 1398/7/9 | انتشار: 1399/7/6
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

kheirkhahan M, hosseini K, nayyer S. Prediction of Cohesive Sediment Erosion Rate and Analyzing the Effective Parameters Using Artificial Neural Network. jwmseir 2020; 14 (48) :68-78
URL: http://jwmsei.ir/article-1-906-fa.html

خیرخواهان مهران، حسینی خسرو، نیر شهاب. پیش بینی نرخ فرسایش رسوبات چسبنده و تحلیل پارامترهای مؤثر بر آن به کمک شبکه عصبی مصنوعی. مجله علوم ومهندسی آبخیزداری ایران. 1399; 14 (48) :68-78

URL: http://jwmsei.ir/article-1-906-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 14، شماره 48 - ( 1-1399 ) برگشت به فهرست نسخه ها
مجله علوم ومهندسی آبخیزداری ایران Iranian Journal of Watershed Management Science and Engineering
به اطلاع کلیه نویسندگان ، محققین و داوران  محترم  می رساند:

با عنایت به تصمیم  هیئت تحریریه مجله علمی پژوهشی علوم و مهندسی آبخیزداری فرمت تهیه مقاله به شکل پیوست در بخش راهنمای نویسندگان تغییر کرده است. در این راستا، از تاریخ ۱۴۰۳/۰۱/۲۱ کلیه مقالات ارسالی فقط در صورتی که طبق راهنمای نگارش جدید تنظیم شده باشد مورد بررسی قرار خواهد گرفت.
Persian site map - English site map - Created in 0.05 seconds with 42 queries by YEKTAWEB 4645