پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,477 |
| تعداد مقالات | 70,011 |
| تعداد مشاهده مقاله | 122,916,636 |
| تعداد دریافت فایل اصل مقاله | 96,130,649 |
مقایسۀ کارایی مدل‌های درختی M5 و برنامه‌ریزی ژنتیک در تخمین بار رسوب معلق رودخانه‌ها | ||
| نشریه علمی - پژوهشی مرتع و آبخیزداری | ||
| مقاله 13، دوره 71، شماره 1، خرداد 1397، صفحه 173-187 اصل مقاله (1.72 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jrwm.2018.232883.1121 | ||
| نویسندگان | ||
| جواد ظهیری* 1؛ حدیث شاهرخی2؛ احمد جعفری1 | ||
| 1استادیار سازه‌های آبی، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع‌طبیعی خوزستان، ایران | ||
| 2دانش‌آموختۀ کارشناسی ارشد سازه‌های آبی، دانشگاه علوم کشاورزی و منابع‌طبیعی خوزستان | ||
| چکیده | ||
| برآورد بار رسوب معلق یکی از مهمترین و پیچیدهترین بحثهای هیدرولیک رسوب و مهندسی رودخانه بهحساب میآید. بر همین اساس روشهای متعددی جهت برآورد بار معلق رسوب ارائه شده که با توجه به تجربی بودن این روشها، دقت پایینی داشته و نتایج روشهای مختلف تفاوت زیادی با یکدیگر دارند. امروزه با پیشرفت علوم رایانه‌ای الگوریتمهای متنوعی ابداع شده که از آن جمله می‌توان به الگوریتمهای درختی اشاره کرد. در تحقیق حاضر ضمن بررسی روش منحنی سنجۀ رسوب، از الگوریتم درختی M5 و برنامه‌ریزی ژنتیک(GP)به‌عنوان روشهای نوین جهت برآورد بار معلق رسوب استفاده شده است. اطلاعات مورد استفاده شامل دبی جریان آب و دبی رسوب مربوط به پنج ایستگاه آبسنجی بهبهان و چم‌نظام بر روی رودخانۀ مارون، جوکنک بر روی رودخانۀ الله و مشراگه و شادگان بر روی رودخانۀ جراحی در استان خوزستان است. در تمامی ایستگاهها دقت دو مدل درختی از منحنی سنجۀ رسوب بیشتر بوده و مقدار مجموع مربعات خطا در تمامی ایستگاهها جهت مدل M5 به میزان 7 الی 41 درصد نسبت به منحنی سنجۀ رسوب کمتر محاسبه شده است. علاوه بر این، نتایج این تحقیق نشاندهندۀ نزدیکی کارایی دو روش M5 و GP است که با توجه به ساختار ساده و مفهومی مدل M5 این روش به‌عنوان روش مناسب جهت برآورد بار معلق رسوب انتخاب گردید. | ||
| کلیدواژه‌ها | ||
| بار رسوب معلق؛ الگوریتمهای درختی؛ منحنی سنجۀ رسوب؛ الگوریتم M5؛ برنامه‌ریزی ژنتیک | ||
| عنوان مقاله [English] | ||
| Comparison the efficiency of M5 and Genetic Programming on Suspended Sediment Load Estimation of Rivers | ||
| نویسندگان [English] | ||
| javad zahiri1؛ hadis shahrokhi2؛ Ahmad Jafari1 | ||
| 1Assistant Professor, Khuzestan Ramin Agriculture and Natural Resources University | ||
| 2Graduate from Ramin Agricultural and Natural Resources University | ||
| چکیده [English] | ||
| Suspended sediment load estimation is one of the most important and complicated debates on sediment transport and river engineering. Therefore, the variety of methods developed to estimate suspended sediment load in rivers. According to the empirical nature of these methods, the results have low accuracy and vary so widely from one method to another. Recently, with advances in computer science, various algorithms such as tree based methods have been developed. In this study, sediment rating curve method along with new algorithms such as M5 and Genetic Programing (GP) are used for estimating suspended sediment load in rivers. Flow and sediment discharge data at five hydrometric stations, Behbahan and Cham Nezam on Maroon River, Jow Kanak on Allah River and Moshrageh and Shadegan on Jarahi River are used in present study. The efficiency of tree models, in all stations, was greater than sediment rating curve method, and the RMSE performance of M5 method is 7 to 41 percent superior to sediment rating curve method. The results of this study indicate the close proximity of both M5 and GP efficiency, which according to the simple and conceptual structure of M5, this method is proposed to estimate suspended sediment load in river streams. | ||
| کلیدواژه‌ها [English] | ||
| Suspended sediment load, Tree algorithms, Sediment Rating Curve, M5 algorithm, Genetic Programing | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 387 تعداد دریافت فایل اصل مقاله: 252 |
||