عنوان

ارزیابی و تخمین نسبت بار کف به بار کل رسوبی در رودخانه‌صهای با بستر درشت دانه با استفاده از روشهای کلاسیک و هوشمند

شماره

‭۱۷۸۲۶پ‬

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

ارزیابی و تخمین نسبت بار کف به بار کل رسوبی در رودخانه‌صهای با بستر درشت دانه با استفاده از روشهای کلاسیک و هوشمند

نام نخستين پديدآور

/سامان شهنازی

نام ناشر، پخش کننده و غيره

: فنی مهندسی عمران

تاریخ نشرو بخش و غیره

، ‮‭۱۳۹۶‬

متن يادداشت

چاپی

جزئيات پايان نامه و نوع درجه آن

کارشنانسی ارشد

نظم درجات

عمران گرایش آب و سازههای هیدرولیکی

زمان اعطا مدرک

‮‭۱۳۹۶/۰۴/۱۰‬

کسي که مدرک را اعطا کرده

تبریز

متن يادداشت

غلظت رسوب می‌صتواند به روش‌صهای مستقیم و یا غیرمستقیم محاسبه شود که معمولا روش‌صهای مستقیم پرهزینه و زمانبر هستند . همچنین بار رسوب کل می‌صتواند به کمک روابط مختلف انتقال رسوب محاسبه شود، لیکن به طور معمول کاربرد این روابط نیاز به شرایط معینی داشته و به علاوه در بیشتر موارد نتایج حاصل از آنها با یکدیگر و با مقادیر اندازه گیری شده متفاوت است .میزان بار کف در واحد عرض رودخانه و نسبت بار کف به بار معلق و یا بار کل یکی از پارامترهای مهم در ارزیابی توان رودخانه ها، پایداری و فرم رودخانه می‌صباشد .تغییر پذیری بالای این نسبت) ارقامی از حدود ‮‭۰‬ تا بیش از ‮‭۹۰‬ درصد (در رودخانه‌صهای مختلف، اندازه‌صگیری مستقیم و یا برآورد غیرمستقیم و دقیق آن را اجتناب ناپذیر می‌صکند .در تحقیق کنونی ابتدا دبی بار بستر و بار کل رسوبی و سپس نسبت بار بستر به بار کل برای ‮‭۹۰۰‬ داده جمع آوری شده از ‮‭۱۹‬ رودخانه با بستر درشت دانه واقع در ایالات متحده آمریکا با استفاده از روش ماشین بردار پشتیبان ‮‭(SVM)‬ و شبکه‌صهای عصبی مصنوعی ‮‭(ANN)‬ مدل‌صسازی شد و نرخ تاثیر پارامترهای ورودی در هر حالت مورد تجزیه و تحلیل قرار گرفت .مقایسه نتایج حاصل از این روش‌صها با روابط کلاسیک، قابلیت و کارآیی بالای این روش‌صها را نسبت به مدل‌صهای کلاسیک نشان داد و مدل‌صهای برتر برای هر کدام از مدل‌صسازی‌صهای مذکور معرفی شد .همچنین مشخص گردید پارامترهای عدد فرود و نسبت سرعت متوسط به سرعت برشی جریان ‮‭( Fr‬ و_‮‭U/U‬ * ( دارای بیشترین تاثیر در تمامی مدل‌صسازی‌صهای مذکور داشته و به دلیل پیچیدگی‌صهای حاکم بر نسبت بار کف به بار کل، تنها ماشین بردار پشتیبان توانایی پیش‌صبینی را دارا بوده و نتایج حاصل از آن نیز نسبتا قابل قبول ارزیابی می‌صگردد .همچنین درصد متوسط نسبت بار کف به بار کل رسوبی برای شرایط مختلف هیدرولیکی محاسبه و مقادیر متوسط، حداکثر و حداقل آن نیز در شرایط مختلف مشخص گردید

متن يادداشت

The sediment concentration can be calculated by both direct and indirect measurements. Direct methods are usually costly and time-consuming. Also total sediment load can be determined by several sediment load transport models. These equations, however are applicable in certain circumstances, which in most cases the outputs of the equations do not agree with each other as well as with observation data. Therefore, the contribution of bed load to the total load are uncertain and one of the important parameters in evaluating of power and stability of rivers. Due to variability of this ratio in different rivers (from 0 to 90 percent), direct measurement or indirect and exact prediction of that is very important. In this research bedload, total load transport and then the ratio of bed load to total sediment load for 900 data collecting from 19 coarse-bed rivers located in USA were modeled using Support vector machine (SVM) and Artificial Neural Network (ANN) and the impact of different employed parameters in each boundary condition were assessed. A comparison between (SVM) and (ANN) with classical models in predicting the sediment transport indicated the supreme performance of the SVM and ANN in which more accurate results were obtained. based on the sensitivity analysis, Froude number and dimensionless ratio of average velocity to shear velocity (Fr,U/U_* ) in all proposed models had the most significant effect on sediment transport than other parameters and because of complexity of bed load to total sediment load ratio, only SVM had ability to predict this problem and the result of this method was rather acceptable. Also percentage of bedload to total sediment load ratio for different hydraulic situation was computed and average, maximum and minimum of this value was determined

مستند نام اشخاص تاييد نشده

شهنازی، سامان

مستند نام اشخاص تاييد نشده

روشنگر، کیومرث، استاد راهنما

مستند نام اشخاص تاييد نشده

اعلمی، محمدتقی، استاد مشاور

يادداشت عمومي

سیاه و سفید

وضعیت فهرست نویسی

نمایه‌سازی قبلی