ارزیابی و اصلاح شبیه سازی انتقال بار رسوبی در یک رودخانه طبیعی به کمک روشهای محاسباتی نرم
نام نخستين پديدآور
/فاطمه وجودی مهربانی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: دانشکده فنی مهندسی عمران
مشخصات ظاهری
نام خاص و کميت اثر
۱۴۰ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی عمران - آب
زمان اعطا مدرک
۱۳۹۱/۰۶/۲۰
کسي که مدرک را اعطا کرده
دانشگاه تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
برای جلوگیری و به حداقل رساندن خسارتهای وارده ناشی از فرآیند فرسایش و انتقال، تاکنون روش های کلاسیک ریاضی متعددی جهت محاسبه دبی رسوبی ارائه شده است .این روش ها بطور عمده بر مبنای فرضیات و روش های آماری و....وداده های میدانی یا آزمایشگاهی استوارند که توسط محققان متعددی نظیر یانگ ، وایت ، بگنولد ، هانسن و......پیشنهاد شده است .نتایج حاصل از روش های کلاسیک در برآورد میزان رسوب، حاکی از عملکرد نامناسب این روش ها در شرایط هیدرولیکی متفاوت و حساسیت بالا به شرایط رودخانه ، اندازه مواد بستر و....است .در این پایاننامه از روش های نرم هوش مصنوعی جهت ارزیابی، اصلاح و بهبود قابلیت پیش بینی رسوب در یک رودخانه طبیعی به نام قطور چای، ایستگاه پل یزدکان واقع در آذربایجان غربی استفاده شده است .روش های محاسباتی نرم مورد استفاده در این پژوهش عبارتند از روش برنامه ریزی ژنتیک [GEP] و روش شبکه عصبی مصنوعی .[ANN] ورودی های مورد نیاز برای مدل سازی، با توجه به پارامتر های حاکم روش های کلاسیک و با توجه به مفهوم پایه ای بکار رفته در ساختار این روش ها، انتخاب و بهینه گشته و سپس تحلیل های لازم انجام پذیرفته است .روش های کلاسیک انتخاب شده نیز بر مبنای دو مفهوم کلی توان جریان و تنش برشی هستند .در مراحل مختلف مدل سازی، ضمن بررسی اثرات عوامل موثر در کارایی روش های محاسباتی نرم، ساختارهای بهینه برای هریک از این مدل ها تعیین و نتایج حاصل، با روش های کلاسیک و روش منحنی سنجه نیز مقایسه گشته است .نتایج حاصله حاکی از آن است که اصلاح و تقویت روابط کلاسیک با استفاده از روش های نرم هوشمند، باعث بهبود نتایج شبیه سازی و ارتقای کارائی روابط مذکور می گردد .همچنین در یک مقایسه کلی، نتیجه گرفته شد مدل هایی که بر مبنای توان جریان توسعه یافته اند، عملکرد بهتری نسبت به مدل هایی دارند که مفهوم تنش برشی در ساختار آنها بکار گرفته شده است
متن يادداشت
laboratory data which have been suggested by many researchers such as Yang, White, Bagnold, Hansen, .The results obtained from classic methods for predicting sediment, show the poor performance of the methods under different hydraulic conditions and high sensitivity to river conditions, bed particle size and etc. In this thesis, soft intelligent approaches have been used to evaluate, modify and improve the predictability of sediment in a natural river named Gotoor, Yazdkan bridge station in West Azarbayjan. Soft computing approaches used in this research include Genetic programming (GEP) and artificial neural network (ANN). The inputs required for modeling have been selected and optimized considering the dominant parameters of the classic methods and basic concept used in the methods and then required analyses have been done. The selected classic methods are based on two general concepts of stream power and shear stress. At different stages of modeling, besides investigating the effects of different factors in efficiency of soft computing techniques, optimized structures have been determined for each model and the results have been compared with classic methods and also rating curve. The obtained results reveal that employing soft computing techniques to modify and improve the classic methods leads to better simulation results and higher efficiency of the mentioned methods. In a general compare, it could be concluded that the models based on stream power concept show better performance in relative to the models based on shear stress-Many mathematical classic methods have been suggested for predicting sediment in order to prevent or minimize damages caused by the erosion and transport. These methods are mainly based on assumptions, statistical methods and field
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )