مقاله در مورد رودخانه کرج و سد امیرکبیر

اختصاصی از اینو دیدی مقاله در مورد رودخانه کرج و سد امیرکبیر دانلود با لینک مستقیم و پر سرعت .

مقاله در مورد رودخانه کرج و سد امیرکبیر

تعداد صفحه:5

فرمت پی دی اف

کالیبراسیون مدل شبیه سازی غلظت شوری رودخانه با استفاده از روش برازش متوالی عدم قطعیت SUFI2

اختصاصی از اینو دیدی کالیبراسیون مدل شبیه سازی غلظت شوری رودخانه با استفاده از روش برازش متوالی عدم قطعیت SUFI2 دانلود با لینک مستقیم و پر سرعت .

 PDF

کالیبراسیون مدل شبیه سازی غلظت شوری رودخانه با استفاده از روش برازش متوالی عدم قطعیت SUFI2

 

چکیده :

دو عامل طبیعی و انسانی سبب شور شدن منابع آبهای سطحی و زیرزمینی است. تحلیل و تفکیک این دو عامل یکی از مراحل مهم در مطالعات منابع آب است. به دلیل پیچیدگی و عدم قطعیت فرآیندهای مسبب شوری، روشهای متداول در مدل سازی ریاضی شوری جریان های سطحی مبتنی است بر رکوردهای تاریخی کمیت و کیفیت جریان رودخانه. تقریباً گام مشترک تمامی این روشها به صورت برازش مدل های ریاضی بر رابطه جریان و غلظت نمک است. در این میان یکی از مدل های معروف توسطO’Connor 1976 ارائه شد. این مدل حاوی یک چارچوب ساده ازاختلاط جریان های سطحی و زیرزمینی با غلظت های متفاوت است. با وجود قابلیت های مناسب این مدل در شبیه سازی شوری رودخانه، برازش مدل به داده های واقعی و همچنین تعیین مقادیر صحیح پارامترهای مدل ساده نیست. در این تحقیق از روش برازش متوالی عدم قطعیت برای کالیبراسیون مدلO’Connor 1976 استفاده شده است. به عنوان مورد مطالعاتی، رودخانه های حوضه آبریز حله، واقع در جنوب غربی ایران، انتخاب شده است. نتایج تحقیق نمایانگر قابلیت های مناسب این روش در کالیبراسیون مدل مذکور است.

تاثیر سد بر دینامیک انتقال رسوبات بار معلق رودخانه از دیدگاه تئوری آشوب

اختصاصی از اینو دیدی تاثیر سد بر دینامیک انتقال رسوبات بار معلق رودخانه از دیدگاه تئوری آشوب دانلود با لینک مستقیم و پر سرعت .

عنوان مقاله :تاثیر سد بر دینامیک انتقال رسوبات بار معلق رودخانه از دیدگاه تئوری آشوب

محل انتشار: دهمین کنگره بین المللی مهندسی عمران تبریز

تعداد صفحات:7

نوع فایل :  pdf

دانلود نقشه کامل GIS رودخانه های دائمی و فصلی ایران با تخفیف ویژه اورمیاباکس

اختصاصی از اینو دیدی دانلود نقشه کامل GIS رودخانه های دائمی و فصلی ایران با تخفیف ویژه اورمیاباکس دانلود با لینک مستقیم و پر سرعت .

این محصول شامل شیپ فایل GIS کامل رودخانه‌ های دائمی و فصلی ایران می باشد که با تخفیف ویژه ای در اختیار شما قرار می گیرد و تصویر پیشنمایش نشان داده شده مربوط به همین محصول است.

توجه : با تخفیف ویژه اورمیاباکس
پس از انجام مراحل خرید حتما روی دکمه تکمیل خرید در صفحه بانک کلیک کنید تا پرداخت شما تکمیل شود تمامی مراحل را تا دریافت کدپیگیری سفارش انجام دهید ؛ اگر نتوانستید پرداخت الکترونیکی را انجام دهید چند دقیقه صبر کنید و دوباره اقدام کنید و یا از طریق مرورگر دیگری وارد سایت شوید یا اینکه بانک عامل را تغییر دهید.پس از پرداخت موفق لینک دانلود به طور خودکار در اختیار شما قرار میگیرد و به ایمیل شما نیز ارسال می شود.

دنلود مقاله کاربرد شبکه‌های عصبی مصنوعی در مهندسی رودخانه

اختصاصی از اینو دیدی دنلود مقاله کاربرد شبکه‌های عصبی مصنوعی در مهندسی رودخانه دانلود با لینک مستقیم و پر سرعت .

مشخصات این فایل
عنوان: کاربرد شبکه‌های عصبی مصنوعی در مهندسی رودخانه
فرمت فایل : word( قابل ویرایش)
تعداد صفحات: 30

این مقاله درمورد کاربرد شبکه‌های عصبی مصنوعی در مهندسی رودخانه می باشد .

بخشی از تیترها به همراه مختصری از توضیحات هر تیتر از مقاله کاربرد شبکه‌های عصبی مصنوعی در مهندسی رودخانه

 رسوبات انتقالی توسط رودخانه‌ها مشکلات زیادی خصوصاً جهت بهره‌برداری از سدها و سازه‌های آبی به وجود می‌آورند. در ده‌های اخیر تحقیقات بزرگی برای درک مکانیسم انتقال رسوب در جریان‌های طبیعی صورت گرفته است.
تخلیه‌های صنعتی و پساب‌های کشاورزی به داخل سیستم آبزیان باعث می‌شود که رسوبات کف توسط موادسمی آلوده شوند. به همین ترتیب وقتی رژیم رودخانه تغییر می‌نماید این رسوبات آلوده به پایین دست رودخانه انتقال می‌یابند. تخمین دبی این رسوبات آلوده گام اول به سوی بهبود سازی کیفیت آب می‌باشد.
طبق گزارشات، درحال حاضر، بسیاری از سدهای کشورمان، با مشکل رسوب و پرشدن پیش از موعد مخازن مواجه هستند از جمله گزارشی که در مورد رسوبگذاری در سد سفید رود منتشر شده که نشان می‌دهد که در هفدهمین سال بهره برداری، رسوبات ورودی نزدیک به نیمی از حجم مخزن را اشغال کرده‌اند. در حالی که مشاور این شد، عمر مفید آن را صد سال دانسته است. .....(ادامه دارد)

ـ انتخاب پارامترهای دبی رسوب
مناسبترین متغیرها در هیدرولیک رودخانه عبارتند از : دبی واحد عرض آب q، عمق آب h، شیب طولی S، تنش برشی بستر Z، شتاب ثقل g و سرعت سقوط ذرات wo. برای ماسه طبیعی ‍P_s و P ثابت هستند. پارامتر C­_s برابر است با  و پارامتر  توسط سرعت برشی  نشان داده می‌شود این پارامترها به صورت بی‌بعد خود در مطالعات قبلی ارائه شده‌اند. جدول 1 مجموعه مؤثرترین پارامترهای بدون بعد را نشان می‌دهد که به صورت رایج برای تحقیق مسائل دبی رسوب بکار می‌روند. انگلند و هانسن (1967) مفهوم نیروی جریان و قانون شبیه سازی را برای بدست آوردن معادله انتقال رسوب بکار گرفتند. این معادله غلظت رسوب را با نیروی برشی اصطکاک (سطحی) و بدون بعد G=hs/(G_s-1).d50 مرتبط می‌کند که G_s جاذبه ویژه رسوب و U_m,s نیروی واحد جریان یا سرعت استهلاک انرژی در واحد وزن آب را نشان می‌دهد. که U_m میانگین سرعت جریان است.
مرور روابط قراردادی ارائه شده برای دبی رسوب در انتخاب پارامترهای مهم مسئله کمک می‌نماید. این مدل طوری طراحی شده است که پارامترهای اساسی قابل اندازه‌گیری را بکار گیرد. برای اجتناب .....(ادامه دارد)

آموزش شبکه و ارزیابی نتایج
شبکه با 8 پارامتر معادله (1) به عنوان الگوهای ورودی و C_s غلظت رسوب به عنوان الگوی خروجی ایجاد شد به عبارت دیگر لایه ورودی 8 نرون و خروجی یک نرون دارد. بین این دولایه، لایه مخفی دیگری داریم که شامل تعداد مناسب نرون است. شبکه با 81 داده آموزش داده شد. تعداد نرون‌ها در لایة مخفی و پارامترهای  با کالیبره کردن توسط اجراهای متعدد کامپیوتری روی سری داده‌ها مشخص شد. نتایج جدید برای 81 سری داده بدست آمد. لایة میانی 12 و پارامتر  برابر 075/0 و پارامتر  برابر 12 می‌باشد. علاوه بر آن 80 الگو بدون خروجی هدف C_s برای تخمین غلظت داده شد. شکل 4 ارزیابی بین مقادیر اندازه گیری شده و تخمین زده شده را برای این الگوهای جدید نشان می‌دهد. .....(ادامه دارد)

ـ ارزیابی مدل با بکارگیری داده‌های رسوب معلق
گروه دیگری از 486 داده‌ برای ارزیابی استفاده شد.
این داده‌ها از رودخانه‌های ریوگارد در سال (1969) و همان رودخانه در سال (1965) توسط نوروین رودخانه ساکرامنتو (1990)، می سی سی پی در (1965) و ریوگارد در سال (1964) توسط کالبرستون و داودی جمع آوری شدند. دبی رسوب اندازه‌گیری شده آنها بار بستر را نشان می‌دهد. غلظت باربستر C_b  توسط فرمول میر ـ پیتر و مولر (1975) برای باربستر محاسبه می‌شود. سپس غلظت کل C_s از مجموع بار معلق C_sU_s اندازه‌گیری شده و باربستر محاسبه شده C_b بدست می‌آید. محدوده متغیرها در    جدول       نشان داده شده‌اند.
جدول 4ـ محدودة داده‌های دبی و رسوب برای رودخانه‌های تست شده
مقایسه بین نتایج داده‌های رودخانه ریوگارد که توسط نوردین (1964) بدست آمد نشان می‌دهد که مدل ارائه شده شبکه عصبی مصنوعی و فرمول انگنر وهانسن بهترین نتایج را می‌دهد. برای داده های همان رودخانه توسط همین شخص در سال (1965) دو مدل آکرو وایت (1973) و شن‌وهانگ (1972) بهترین مدلها هستند. .....(ادامه دارد)

مدل عصبی مورد استفاده
ساختار مناسب و مورد استفاده برای مدل کردن مسأله تخمین رسوب، شبکه‌هایی با آرایش پیشرو می‌باشد که در این تحقیق از شبکه پرسپترون چند لایه (MLP) استفاده  شده است. شکل کلی این شبکه با یک ورودی دبی آب و یک خروجی دبی رسوب مطابق شکل    است. لایه ورودی شامل یک نرون است که دبی آب (q_w) را دریافت می‌کند و لایه خروجی دبی رسوب (q_s) را نتیجه می‌دهد. در لایه مخفی نیز تعداد نرون‌های متغیری وجود دارد. تابع فعالیت واحدها دراین لایه، تانژانت هیپربولیک می‌باشد در لایه خروجی برای افزایش سرعت شبکه از تابع فعالیت خطی استفاده شده است. استفاده از تابع خطی، نه تنها سرعت یادگیری را چندین برابر افزایش می‌دهد بلکه می‌توان مقادیر خروجی را بدون تغییر به شبکه ارائه داد.
روشهای یادگیری شبکه MLP بر پایة‌ الگوریتم یادگیری پس انتشار خطا (BP) می‌باشد. سه روش یادگیری برای این منظور وجود دارد که روش مارکورات ـ لانبرگ از روش‌های دیگر سریعتر بوده و شبکه حاضر با این الگوریتم آموزش داده شده است. جهت آموزش شبکه از نرم‌افزار MATLAB استفاده شده است.
درلایة مخفی از تعداد ترونهای مختلفی استفاده شده است و تعداد بهینه آنها برای حداقل شدت خطا (مجموع مربعات خطا و یا میانگین خطا) باید با سعی و خطا تعیین گردد. ابتدا شبکه با تعداد کمی نرون در لایة مخفی آموزش داده می‌شود و به تدریج تعداد نرونها افزایش داده شده و شبکه مجدداً آموزش داده می‌شود. در هربار آموزش، چون انتخاب مقادیر اولیه وزن و آستانه بطور تصادفی می‌باشد و این مسئله موجب می‌گردد که شبکه در شرایط اولیه مختلفی قرار بگیرد، لذا هر ساختار با شرایط اولیه متفاوتی امتحان گردیده است تا از عدم افتادن در می‌نیمم‌های محلی و احراز می‌نیمم سراسری اطمینان حاصل گردد. .....(ادامه دارد)

تعیین ابعاد حفره آبشستگی پایین دست سرریزهای ریزشی آزاد با استفاده از روش شبکه عصبی مصنوعی :
ـ یکی از مسائل مهم مهندسی هیدرولیک تعیین ابعاد حفرة آبشستگی پایین دست سرریزها از جمله سرریزهای ریزشی آزاد است. در سرریزهای ریزشی آزاد، آب بطور آزاد و به صورت آبشاری و تقریباً به شکل قائم از تاج سرریز فرو می‌ریزد. ریزش جریان از روی سرریزهای ریزشی آزاد و برخورد آن با بستر قابل فرسایش در پایین دست سازة مذکور باعث آبشستگی و ایجاد حوضچه استغراق می‌شود.
مهمترین پارامترهای تعیین کنندة ابعاد حفرة آبشستگی عبارتند از : حداکثر عمق آبشستگی از سطح پایاب (d)، فاصلة محل وقوع حداکثر عمق آبشستگی از سرریز (l_S)، فاصله انتهای حفرة آبشستگی از سرریز (h_C) که اغلب خود از متغیرهای دیگری که مهمترین آنها عبارتند از : دبی بر واحد عرض (q)، ارتفاع ریزش جت (H)، عمق پایاب (Y_t)، قطر متوسط مصالح (d50) و ضریب انحراف هندسی مصالح ) تأثیر می‌پذیرند.
شکل    آبشستگی پایین دست سرریزهای ریزشی آزاد را به طور نمادین نشان می‌دهد. تعیین رابطة میان این دو دسته پارامترها و یافتن تابع حاکم بر فضای نگاشتی آنها از مهمترین موضوعات پژوهش در مهندسی آب است که در آن سعی می‌شود با یافتن رابطه‌ای یاضی میان پارامترهای آبشستگی به عنوان متغیر وابسته و پارامترهای   به عنوان متغیر مستقل، نحوة تأثیر وتأثر این پارامترها را برهم یافت. معمولاً همه روشهای مختلفی که تاکنون برای حل این مسئله به کار رفته‌اند به .....(ادامه دارد)

استفاده از شبکة عصبی در روندیابی متمرکز سیلاب
روندیابی سیلاب، یکی از پیچیده‌ترین مسائلی است که در علم هیدرولیک کانالهای باز و مهندسی رودخانه مورد بررسی قرار گرفته است. روشهای مختلفی در زمینة روندیابی سیلاب وجود دارند که به دو گروه گسترده و متمرکز تقسیم بندی می‌شوند. تاکنون روشهای متفاوتی در روندیابی سیلاب در رودخانه‌ها به خدمت گرفته شده‌اند که این روشها را می‌توان به دو گروه کلی گسترده یا دینامیکی و متمرکز طبقه بندی کرد. هریک از این روشها مشکلات محاسباتی خاص خود را دارا می‌باشند به طوریکه روشهای متمرکز در عین سادگی دارای دقت کم و روشهای گسترده پیچیده و زمانبر است. بیشترین کاربرد شبکة عصبی در مورد مسائل بوده است که یک ارتباط غیرخطی میان پارامترهای معلوم و مجهول مسئله وجود دارد زیرا یکی از قابلیتهای مهم آن درک رفتار غیرخطی یک سیستم می‌‌باشد.
برای استفاده از شیکة عصبی در زمینة روندیابی متمرکز سیلاب لازم است پارامترهای معلوم (ورودیها و مجهول (خروجیها) تعریف شوند. بدین منظور با الهام از روش ماسکینگهام خطی و یا غیرخطی که از روش‌های معمول روندیابی متمرکز سیلاب می‌باشند، ابعاد هیدروگراف ورودی در دو زمان متوالی و بعد هیدروگراف خروجی در زمان اولیه، به عنوان ورودی های شبکه مشخصات دیگر شبکه به منظور تعیین بعد هیدروگراف خروجی، در زمان انتهائی مورد استفاده قرار گرفتند. پس از انتخاب ساختار .....(ادامه دارد)

بررسی یادگیری شبکه عصبی
با در نظر گرفتن مقدار ^7-10 به عنوان خطای آستانه و با اجرای الگوریتم آموزش براساس روابط پیش گفته پس از گذشت بیش از سیصدهزار با روال آموزش و با تکرار آن در شرایط اولیة متفاوت ملاحظه گردید میزان خطای مقادیر خروجی واقعی مطلوب بسیار زیاد است بدین ترتیب به نظر می‌رسد آموزش شبکه با این شیوه امکانپذیر نباشد از این رو لایة دیگری با 5 نرون به لایه میانی افزوده شد. دراین صورت با تکرار روال آموزش پیشگفته ملاحظه گردید شبکه به کمتر از پانزده هزار بار تکرار توانست به یادگیری دست یابد.
نکته قابل توجه اینکه: اولاً ویژگیهای ذاتی شبکه BEP و ثانیاً دولایه بودن آن، روال آموزش بسیار کند است، لیکن به این دلیل که پس از تحقق یادگیری، سرعت پردازش شبکه (تعمیم یادگیری) بسیار بالاست لذا در استفاده از آن هیچگونه مشکلی پیش نمی‌آید.
نتیجه اینکه دراین مقاله با طراحی شبکه‌ای BEP دولایه، روش جدیدی برای محاسبة ابعاد حفره آبشستگی پایین دست سرریزهای ریزشی آزاد ارائه شده و نتایج حاصل از آن مورد بررسی قرار .....(ادامه دارد)

نتایج :
1ـ روش شبکه‌های عصبی مصنوعی توانائی درک رفتار موج سیلاب را دارد و می‌تواند در زمینة سیلاب به کار گرفته شود.
2ـ شبکه عصبی پرسپترون سه لایه با تابع فعالیت سیگموئید و دارای عبارت بایاس در هر سلول لایه مخفی، عملکرد یکنواخت‌تری نسبت به سایر توابع فعالیت مطالعه شده یعنی تابع فعالیت تانژانت هیپربولیک و شعاعی دارد.
3ـ در ساختار پیشنهاد شده در قبل تعداد سلولهای لایه مخفی برابر 2 مشخص گردید. گرچه در بعضی شرایط و در پاسخ به بعضی از معیارهای خطا، ساختار با 3 سلول در لایة پنهانی نیز می‌تواند به عنوان یک کاندیدا در نظر گرفته شود.
4ـ میزان اطلاعات و یا به عبارت دیگر، گام‌های زمانی انتخابی در تعریف هیدروگرافهای ورودی و خروجی نیز می‌تواند در عملکرد ساختارهای مختلف شبکه عصبی پرسپترون تأثیرگذار باشد. دراین رابطه، شبکه عصبی دارای تابع فعالیت سیگموئید، عملکرد ثابت‌تری از خود نشان می‌دهد که این یک امتیاز قابل توجه است. .....(ادامه دارد)