|
اطلاعات انتشار :
|
دوره 8 - شماره 31 - شماره پیاپی 31
|
|
عنوان مقاله
:
|
برآورد بار رسوب بستر با استفاده از روش درخت تصمیم‌گیری و مقایسه با روش‌های تجربی
|
|
خلاصه مقاله
:
|
برآورد مقدار مواد رسوبي كه يك جريان مشخص قادر به حمل آن است يكي از موضوعات اصلي تحقيقات رسوب می‌باشد كه در بسياري از پروژه‌هاي مهندسي هم‌چون برنامه‌ريزي و طراحي منابع ذخيره آب، مورفولوژي و تغييرات بستر رودخانه برآورد رسوب ساليانه براي آبگيرهاي رودخانه، طراحي و نگهداري كانال‌هاي آبياري پايدار، حفاظت سواحل، لايروبي كانال‌ها و غيره حائز اهميت مي‌باشد. بررسی پدیده رسوب‌دهی و برآورد رسوب حمل شده توسط رودخانه اهمیت خاصی دارد و گسترش شیوه‌های نوین تخمین رسوب که دارای سهولت کاربرد باشند در این میان نقش مهمی خواهد داشت. در اين تحقیق سعی بر آن است با استفاده از شیوه‌ی درختان تصميم‌گيري رگرسیونی، بار رسوب بستر برآورد شود و سپس بار رسوب بستر برآورد شده با چند روش تجربی رایج (مانند روابط مییر پیتر مولر، شيلدز، اینشتین براون، شوکلیچ و...) مقایسه گردد تا میزان کارایی این روش در مقایسه با شیوه‌های رایج برآورد رسوب مشخص گردد. داده‌های ایستگاه پل یزدکان واقع بر رودخانه قطورچای در استان آذربایجان غربی که رودخانه‌ای کوهستانی با بستر شنی است و حجم رسوبات بالایی دارد، استفاده شد. بعد از بررسی صحت و پالایش داده‌ها، طول دوره آماری برابر با 8 سال (1388- 1380) و 76 داده در نظر گرفته شد. از این میزان داده‌ها 80 درصد آن برای آموزش و 20 درصد آن برای آزمون مورد استفاده قرار گرفته‌است. بهترین ترکیب ورودی که بهترین انطباق نتایج را نشان داد، شامل دبی آب متناظر (هم‌زمان با برداشت رسوب)، دبی رسوبات معلق متناظر، عمق آب و سرعت جریان است. دبی رسوب بستر تنها متغیر خروجی بوده است. نتایج کمی بهترین درخت تصمیم نشان داد که مقدار MAE=2134، RMSE=2668، R=89% می‌باشد که مقایسه نتایج درختان رگرسیونی با فرمول‌های تجربی (اینشتین-برآون، مییر پیتر مولر، راتنر، کالینسکی، شوکلیج و ...)، حاکی از دقت بیش‌تر درخت تصمیم در برآورد رسوبات بستر است.
|
|
تخصص ها
:
|
بار بستر، برآورد رسوب، درختان رگرسیونی، روش‌های تجربی.
|
|
منابع
:
|
1-Barzegari, F., Yosefi, M. and Talebi, A. 2015. Estimating suspended sediment by Artificial Neural Network (ANN), Decision Trees (DT) and Sediment Rating Curve (SRC) models (Case study: Lorestan Province, Iran). Civil Engineering Infrastructures Journal. 48(2): 391-398.
|