استفاده از مدل هوش مصنوعی HBMO برای تخمین بار کل رسوب در سه رودخانه مختلف آمریکا

استفاده از مدل هوش مصنوعی HBMO برای تخمین بار کل رسوب در سه رودخانه مختلف آمریکا

سید حسین افضلی1

1) دانشیار بخش راه، ساختمان و محیط زیست، دانشکده مهندسی، دانشگاه شیراز، ایران

کد IOI مقاله : XGFB-AZZABE
محل انتشار : نهمین کنگره سالانه بین المللی عمران، معماری و توسعه شهری(9icsau.ir)
چکیده :
    تخمین میزان رسوب یک فرآیند حیاتی برای مدیریت منابع آب است. به طور سنتی، میزان رسوب بر مبنای اندازه‌گیری‌ مستقیم غلظت رسوب ویا از طریق معادلات تجربی محاسبه می‌شود. از طرفی، نتایج حاصل از فرمول‌های مختلف انتقال رسوب اغلب به طور قابل توجهی از یکدیگر و از مقادیر واقعی اندازه‌گیری شده متفاوت می باشند. در این مطالعه، از یک مدل هوش مصنوعی به نام HBMO (الگوریتم جفت گیری زنبورعسل) و نسخه اصلاح‌شده آن، MHBMO، برای تخمین میزان رسوب در رودخانه‌ها استفاده شده است. پارامترهای کلیدی مورد نظر در این مدل شامل سرعت میانگین جریان، شیب سطح آب، عمق میانگین جریان، قطر متوسط ذرات، دمای آب و عرض رودخانه هستند. با استفاده از این رویکرد، یک مدل ریاضی بسیار غیرخطی برای تخمین بار کل رسوب در رودخانه‌ها تبیین شده است. دقت مدل معرفی‌شده با استفاده از سه شاخص آماری در سه رودخانه‌ مختلف مورد بررسی قرار گرفته است.

کلمات کلیدی : هوش مصنوعی hbmo رسوب رودخانه susitna رودخانه snake رودخانه chulitn