چکیده مقاله
به منظور اجرای برنامه های حفاظت خاک و کاهش رسوب زایی، همچنین محاسبه و طراحی دقیق حجم سد دراحداث سدهای مخزنی، ضرورت دارد که میزان تولید رسوب در یک حوزه آبخیز، ارزیابی و برآورد گردد بطورکلیپدیده فرسایش و انتقال رسوب از پیچیده ترین مسائل هیدرودینامیکی است که تعیین دقیق معادلات حاکم بر آن بدلیل تاثیرات پارامترهای مختلف، به آسانی میسر نیست هدف از این مطالعه به دست آوردن الگوریتم مناسب با استفادهاز شبکه عصبی پیش خور پس انتشار خطا newff feed forward backpropagation و newfit fitting به منظور برآورد میزان رسوب در حوزه مورد مطالعه پرداخته شد به این منظور برایبرآورد رسوب، از داده های دبی، بارش و رسوب رودخانه کاکارضای استان لرستان به صورت ماهانه استفاده شد با آنالیز حساسیت،تأثیرگذارترین پارامترها دبی بارش به عنوان ورودی مدل و میزان رسوب، خروجی قرارگرفت نتایج در این تحقیق نشان داد که هر دو شبکه ذکر شده برای تخمین رسوب مناسب می باشد البته لازم بهذکر است همه الگوریتم ها با رگرسیون R و میانگین مربعات خطا MSE مناسب نمی باشد از بین چهارده الگوریتم مورد استفاده در این مطالعه , 0 و میانگین / الگوریتم های مناسب برای تخمین رسوب با رگرسیون 99مربعات خطای پایین TRAINSCG,TRAINRP,TRAINLM,TRAINBR انتخاب شد و الگوریتم های دیگری مانند TRAINCGp,TRAINCGF,TRAINCGB, با رگرسیون پایین دارای خطای بالا بوده و نمی توان از این الگوریتم ها برای تخمین رسوب استفاده کرد و روی هم افتادگی خطوط ترسیم شده در نمودار بین داده های مشاهداتی خروجی مدل و اندازه گیری شده با رگرسیون 0/04نشان از نامناسب بودن این الگوریتم ها به منظور برآورد رسوب است
کلیدواژهها
نویسندگان
محسن یوسفی
دانشجوی کارشناسی ارشد آبخیزداری دانشکده منابع طبیعی دانشگاه یزد
علی طالبی
استادیار دانشکده منابع طبیعی دانشگاه یزد
شیوه ارجاع
یوسفی، محسن و طالبی، علی،1391،تعیین مناسب ترین الگوریتم به منظور برآورد میزان رسوب با استفاده از شبکه عصبی )شبکه پیشخور پس انتشار خطا و شبکه fitting )مطالعه موردی:رودخانه کاکارضا-استان لرستان(،نهمین سمینار بین المللی مهندسی رودخانه،اهواز
ارائهشده در
مجموعه مقالات نهمین سمینار بین المللی مهندسی رودخانه3 بهمن 1391 · اهواز