نوع مقاله : مقاله پژوهشی
نویسندگان
1 استادیار گروه آبیاری، پردیس ابوریحان، دانشگاه تهران
2 دانش‌آموخته گروه آبیاری، پردیس ابوریحان، دانشگاه تهران
چکیده
امروزه رسوب‌دهی حوزه‌های آبخیز از جمله مشکلات بهره‌برداری از منابع آب‌های سطحی در جهان است. با توجه به نقش و اهمیت رسوب در عمر مفید سدهای کشور، عدم توجه به اندازه‌گیری و محاسبه دقیق آن، باعث اتلاف سرمایه‌های ملی می‌شود. بدیهی است که دقت تخمین میزان رسوب‌دهی، بستگی زیادی به روش‌های محاسباتی، معادلات ارائه شده و داده‌ها یا اطلاعات تخمین رسوب دارد. چون عوامل مختلفی در فرسایش و تولید رسوب مؤثر است و بر اساس شرایط هر حوزه ممکن است یک یا چند عامل در تشدید آن مؤثر باشد.از این رو، برای بررسی مسئله رسوب‌دهی هر حوزه باید عوامل مختلف مؤثر در رسوب‌دهی آن منطقه را شناسایی و به‌طور صحیح برآورد کرد و سپس تأثیر عوامل مختلف را بر روی رسوب‌دهی مشخص نمود. در این تحقیق، شبکه‌های عصبی مصنوعی به‌‌عنوان روشی جدید برای تخمین رسوب‌دهی حوزه، به‌کار گرفته شده است. شبکه‌ای با ساختار و آموزش مناسب و داده‌های کافی، قادر است تأثیرات و ارتباط بین رسوب و سایر متغیرهای مؤثر در رسوب‌دهی را بدون استفاده از روابط اختصاصی و معادلات مربوطه فراگیرد. برای تخمین رسوب‌دهی زیرحوزه‌ها، از ساختار MLP استفاده شد. پس از آموزش و آزمایش داده‌ها،بهترین حالت در نظر گرفته شده و سپس با روش رگرسیون‌های چندمتغیره مقایسه شد. نتایج نشان‌دهنده بهبود قابل توجهی در محاسبه و تخمین رسوب و کارآیی روش شبکه‌های عصبی نسبت به‌روش رگرسیون‌های چند متغیره است.
کلیدواژه‌ها
عنوان مقاله [English]
An artificial neural network model for estimation of sediment yield
نویسندگان [English]
- Mohammad Ebrahim Banihabib 1
- Ehsan Emami 2
1 Assistant Professor, Abourayhan Pardis, Tehran University, Iran
2 Former MSc Student, Abourayhan Pardis, Tehran University, Iran
چکیده [English]
Sediment yield of watersheds is considered as a problem of water resources management and operation. Considering important role of sedimentation, accurate measurement and estimation of it is important for national investment in water resources development. Accuracy of sediment yield estimation depends on the estimation methods. There are different parameters affectingt sediment yield. These parameters should be considered in simulation of sediment yield. An artificial neural network model is used for estimation of sediment yield in this research. The model with proper structure and sufficient data is trained and tested and it can recognize the relation of the parameters and sediment yield. The proper structure is found to be MLP. The result of the model is compared with a regional analysis model and it shows notable increasing of accuracy by the artificial neural network model.
کلیدواژه‌ها [English]
- MLP structure
- Multi variable regression
- Sediment transport
- Surface water resources
)