عنوان

تاثیر دما بر میزان رسوب معلق لیقوان چای با استفاده از مدل شبکه عصبی مصنوعی

Number

‭۱۵۳۳پ‬

.Language of Text, Soundtrack etc

per

Title Proper

تاثیر دما بر میزان رسوب معلق لیقوان چای با استفاده از مدل شبکه عصبی مصنوعی

First Statement of Responsibility

/احد نورپور

Name of Publisher, Distributor, etc.

تبریز : دانشگاه تبریز

Specific Material Designation and Extent of Item

‮‭۱۴۰‬ ص .‬

Other Physical Details

: مصور ، جدول ، نمودار ، عکس ‮‭۳۰‬*‮‭۲۹‬ س.م.-+ یک لوح فشرده

Text of Note

چاپی

Text of Note

واژه نامه به صورت زیرنویس

Text of Note

کتابنامه ص : ‮‭۱۰۱-۱۰۲‬

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

عمران

Date of degree

‮‭۱۳۸۵/۰۸/۱۶‬

Body granting the degree

تبریز : دانشگاه تبریز

Text of Note

در این پایان نامه مدل شبکه عصبی مصنوعی ‮‭(ANN)‬ بعنوان یک مدل جعبه سیاه جهت بررسی تاثیر درجه حرارت بر میزان بار رسوب معلق حوضه آبریز لیقوان معرفی می گردد.برای بررسی بیشتر تاثیر دما داده های موجود هیدرولوژیکی همچون دبی آب، درجه حرارت و رسوب معلق را به هفت دسته ترکیبی از آنها تقسیم و تشکیل گردید.برنامه شبکه عصبی مصنوعی بصورت‮‭File - M‬در نرم افزار ‮‭Matlab‬ نوشته شد و سپس حدود ‮‭۲۰۰۰‬ بار اجرای برنامه شبکه عصبی مصنوعی با الگوریتم آموزشی لونبرگ-مارگارت قانون یادگیری پس انتشار خطا‮‭(BP)‬ ساختار بهینه مدل تعیین گردید.پس از تعیین ساختار بهینه مدل، تمام الگوریتمهای آموزشی قانون پس انتشار خطا نیز مورد بررسی قرار گرفتند تا مقایسه ای بین الگوریتمها صورت گیرد.نتایج مدل ‮‭ANN‬ بصورت نمودارهای آموزشی و رگرسیونی و جداول ارائه شده اند.همچنین مقایسه ای بین نتایج مدل ‮‭ANN‬ با نتایج مدلهای آماری همچون مدل رگرسیونی ، مدل سری زمانی خود همبسته ‮‭(AR)‬ به همراه نمودارهای کرولوگرام ‮‭(P.A.C.F)‬ و مدل رگرسیون خطی چند متغیره ‮‭(MLR)‬ با بهره گیری از سه نرم افزار ‮‭Excel , Spss , Table Curve‬صورت گرفت.تمام نتایج مدلهای آماری بصورت جدول در فصل نتیجه گیری ارائه شده است .ازروی نتایج حاصله می توان عملکرد بهتر مدل ‮‭ANN‬ بر مدلهای آماری کلاسیک را بیان کرد، لیکن در مورد نرونهای ورودی بیش از یک نرون ورودی، مدل ‮‭ANN‬ رگرسیون ضعیف تری نسبت به مدل رگرسیون خطی چند متغیره ‮‭Spss‬ از خود نشان داده است..همچنین در مورد مدل خود همبسته مرتبه بالاتر از یک، قضیه فوق صادق است که این نتایج نشانگر آنست که مدل ‮‭ANN‬ توانایی کمتری در انعکاس رفتار استوکاستیکی متغیر های هیدرولوژیکی مخصوصا برای مدلهای خود همبسته مرتبه های بالاتر داشته و اغلب در پیش بینی های قطعی بکار گرفته می شود.با توجه به حساسیت کمتر رسوب معلق به درجه حرارت محیط که از روی نتایج به راحتی قابل مشاهده است، پیشنهاد می گردد به جای دمای محیط، دمای آب مورد ارزیابی قرار گیردو همچنین تاثیر سایر پارامترها مثل شیب، قطر ذرات، وزن مخصوص، میزان مواد محلول و شوری نیز در میزان بار رسوب معلق مورد بررسی قرار گیرند.

Text of Note

In this study, Artificial Neural Networks (ANNs) as a black box model was used in order to evaluate the temperature effect on suspended sediment load of Ligvanchay River. For this purpose, the hydrological data such as mean river flow discharge, mean daily temperature and mean daily suspended sediment load of Ligvanchay at the outlet hydromerey station were collected and divided to seven categories .These data were entered to the ANN model and the model with Levenberg-Marquardt (LM) of back propagation training algorithm was executed about 2000 times to determine the optimum structure of ANN model includes numbers of hidden layers and neuron in each layer. After determine the optimum structure, Other back propagation training algorithms were tested for doing more comparison among the algorithms; in this manner the results of training and verifying as graphs and tables were presented. Furthermore the results of the ANN model were compared with the results of some other classical black box model such as multi and single linear regression, Auto Regressive (AR) time series models. The obtained results of the study showed better performance of the ANN model in comparison of the other when only one neuron was considered as model input. However when more than one neuron were used as input data, MLR and AR(2) showed a hit better results. This may be because of noise propagation in ANN non-linear model in comparison with other linear models.According the results, it can be obviously seen that the suspended sediment load of Ligvanchay has only a little sensitivity to the environment temperature; however it is suggested that water temperature is used instead of environment temperature as input. Furthermore it can be instructive that the effect of other factors such as channel slope, particle size, water salinity , etc were investigated.

Hydrology

Suspented sediment load

ANN

Case study

نورپور، احد

امین فر، محمدحسین، استاد راهنما

نورانی، وحید، استاد راهنمای همکار

اعلمی، محمدتقی، استاد مشاور

Public note

سیاه و سفید

نمایه‌سازی قبلی