سال انتشار: ۱۳۸۶

محل انتشار: چهارمین همایش ملی علوم و مهندسی آبخیزداری ایران مدیریت حوزه های آبخیز

تعداد صفحات: ۱۱

نویسنده(ها):

منصور نجفی حاجی ور – دانشجوی کارشناسی ارشد آبخیزداری، دانشگاه تهران
ابراهیم رحمانی – دانشجوی کارشناسی ارشد آبخیزداری، دانشگاه تهران
ابوالحسن فتح آبادی – دانشجوی کارشناسی ارشد آبخیزداری، دانشگاه تهران
سیدمهدی رضوی – دانشجوی کارشناسی ارشد بیابانزدایی، دانشگاه تهران

چکیده:

برآورد بار رسوبی در رودخانه ها و آبراهه های آبرفتی یکی از مهمترین و در عین حال مشکل ترین بخش مطالعات مربوط به رسوب می باشد. در این تحقیق عملکرد شبکه عصبی مصنوعی و مدل های رگرسیونی جهت برآورد بار معلق رودخانه مورد بررسی قرار گرفت. در این مطالعه از ۳۰ نوعالگوی رگرسیونی استفاده شده است. که بهترین الگو بر اساس پارامترهای آماری مختلف که با استفاده از نرم افزار MATLAB محاسبه شده اند انتخاب گردید. سپس از طریق مدل MLP با الگوریتم پس انتشار خطا و با قانون یادگیری مارکوات لونبرگ اقدام به انتخاب بهترین الگوی شبکه عصبی نموده و در نهایت با استفاده از تجزیه و تحلیل آمارینتایج بدست امده از توابع رگرسیونی و شبکه عصبی با هم مقایسه گردیده اند. نتایج این تحقیق نان دادکه در دو فصل تابستان و پاییز شبکه عصبی مصنوعی بهتری نسبت به مدلهای رگرسیونی داشته اند. در حالیکه برای دو فصل بهار و زمستان عملکرد مدل های رگرسیونی بهتر بوده است. و همچنین در چهار فصل بهترین نتایج مربوط به فصل تابستان بدست امده است.