به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه « Low Water Periods » در نشریات گروه « جغرافیا »

تکرار جستجوی کلیدواژه « Low Water Periods » در نشریات گروه « علوم انسانی »
  • علیرضا سپهوند*، نجمیه هزارخوانی، مجید طایی سمیرمی، شمس الله عسگری
    از مهمترین عوامل تصمیم گیری در احداث سازه های رودخانه ای و تعیین عمق مفید سد ها داشتن داده ای دقیق از میزان رسوب حمل شده توسط رودخانه ها است. روش های چندی برای محاسبه برای بار معلق رودخانه ها پیشنهاد شده است. یکی از این روش ها، روش هیدرولوژیکی منحنی سنجه رسوب است. از خطا های عمده روش مذکور عدم لحاظ اختلاف های فصلی می باشد. بر این اساس هدف از تحقیق حاضر ارزیابی اثر ارائه منحنی سنجه رسوب در دوره های کم آبی و پر آبی بر میزان خطای تخمین رسوب و مقایسه روش مذکور با روش شبکه عصبی مصنوعی می باشد. جهت دست یابی به این مهم با ترسیم منحنی تداوم جریان و روش اداره عمران ایالات متحده (USBR) اقدام به محاسبه میزان رسوب معلق روزانه و منحنی سنجه های رسوب کم آبی و پر آبی ترسیم گردید سپس نتایج حاصله با نتایج به دست آمده از روش شبکه عصبی مصنوعی مورد مقایسه قرار گرفت. در نهایت به وسیله معیار های آماری سنجش خطا شامل خطای نسبی (RE)، کارایی مدل (EF)، ریشه میانگین مربعات خطا (RMSE) و ضریب تبیین (R2) اقدام به ارزیابی خطاهای روش-های مذکور نموده نتایج مبین قابلیت بالای روش شبکه عصبی مصنوعی با ضرایب تبیین و کارایی به ترتیب 903 /0 و 89/0 و ریشه میانگین مربعات خطا و خطای نسبی به ترتیب 322/0 و 22/6 می باشد.
    کلید واژگان: روش اداره عمران ایالات متحده, شبکه عصبی مصنوعی, منحنی سنجه رسوب, منحنی تداوم جریان, دوره های کم آبی و پر آبی}
    Being available the accurate data on carried sediment has accounted as an important factor for making decision about constructing of river structures and determining of dam life. To accomplish this object، a number methods have been proposed so that sediment rate curving as an hydrological method has been developed for doing it. Ignoring differences among seasons causes to lower the precision of this method. So، present research has been programmed for evaluation of classified discharge to two categories including high water and low water on suspended sediment calculated by sediment rating curve in comparison with Artificial Neural Network (ANN). For acquiring this object، by means of flow duration curve and USBR method، daily suspended sediment and sediment rating curve were resulted. Finally، some statistical criteria including Relative Error (RE)، Model Efficiency (EF)، Root Mean Square Error (RMSE) and Descriptive Coefficient (R2) were applied for comparing the results outcome of sediment rating curve method and ANN method. Results showed that ANN method has as higher capability in comparison with sediment rating curve on basis of Descriptive Coefficient and Model Efficiency 0/903 and 0/89 respectively moreover Root Mean Square Error and Relative Error 0/322 and 6/22 respectively.
    Keywords: USBR, ANN, Sediment Rating Curve, Flow Duration Curve, High, Low Water Periods}
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال