مدل‌سازی رسوبات معلق رودخانه با استفاده از محاسبات نرم(مطالعه موردی: رودخانه دره‌رود)

 

منابع

خزائی­پول، الف. و ع. طالبی. 1395. ارائه مدل ترکیبی منحنی سنجه رسوب و شبکه عصبی مصنوعی در برآورد بار رسوب بستر (مطالعه موردی: رودخانه قطورچای). مجله پژوهش آب ایران، سال دهم، شماره 2، ص 8-1.

ذرتی­پور، الف. 1395. افزایش دقت پیش­بینی بار کل رسوبی با استفاده از الگوریتم­های تکاملی (مطالعه موردی: باالادست حوضه طالقان). نشریه مرتع و آبخیزداری. سال هفتم، شماره 1، ص 78-65.

روشنگر، ک.، م.ت. اعلمی و ف. وجودی مهربانی. 1394. افزایش دقت پیش­بینی بار کل رسوبی با استفاده از الگوریتم­های تکاملی (مطالعه موردی: رودخانه قطورچای). نشریه آب و خاک. سال هفتم، شماره 6، ص 1426-1416.

شیخعلی پور، ز.، ف. حسن­پور و و. عظیمی. 1394. مقایسه روش­های هوش مصنوعی در برآورد بار معلق رسوب (مطالعه موردی: رودخانه سیستان). مجله پژوهش­های حفاظت آب و خاک، سال هفتم، شماره 2، ص 41-60.

عشقی، پ.، ج. فرزادمهر، م.ت. دستورانی و ز. طالبی. 1395. بررسی کارآیی مدل­های هوشمند در برآورد رسوبات معلق رودخانه­ای (مطالعه موردی: حوزه آبخیز باباامان، خراسان شمالی). پژوهشنامه مدیریت حوزه آبخیز، سال هفتم، شماره 14، ص 95-88.

Aytek A. and O. Kisi. 2008. A genetic programming approach to suspended sediment modeling. Journal of Hydrology, 351: 288–298.

Azamathulla H.M., Y.C. Caun, A. Aminudin and C.K. Chang. 2013. Suspended sediment load prediction of river systems: GEP approach. Arabian Journal of Geoscience, 6: 3469-3480.

Cigizoglu H.K. and M. Alp. 2005. Generalized regression neural network in modeling river sediment yield. Journal of Advances in Engineering Software, 37: 63-68.

Ferreira C. 2001. Algorithm for solving gene expression programming: a new adaptive problems. Complex Systems, 13(2): 87-129.

Kermani Z.M., O. Kissi, J. Adamowski and A. Ramezani-Charmahineh. 2016. Evaluation of data driven models for river suspended sediment concentration modeling. Journal of Hydrology, 535: 457-472.

Kissi O., A. Hosseinzadeh Dalir, M. Cimen and J. Shiri. 2012. Suspended sediment modeling using genetic programming and soft computing techniques. Journal of Hydrology, 450(1): 48-58.

Kissi O., A. Sanikhani, H. Z.M. Kermani and F. Niazi. 2015. Long-term monthly evapotranspiration modeling by several data-driven methods without climatic data. Computer and Electronics in Agriculture, 115: 66-77.

Kissi O. and C. Ozkan. 2017. A new approach foe modeling sediment-discharge relationship: Local Weighted Linear Regression. Water Resources Management, 31: 1-23.

Kitsikoudis V., E. Sidiropoulos and V. Hrissanthou. 2014. Machine learning utilization for bed load transport in gravel-bed rivers. Water Resources Management, 28: 3727-3743.

Lafdani E.K., A.M. Nia and A. Ahmadi. 2013. Daily suspended sediment load prediction using artificial neural networks and support vector machines. Journal of Hydrology, 478: 50-62.

Legates D.R. and G.J. McCabe. 1999. Evaluating the use of goodness-of-fit measures in hydrologic and hydroclimatic model validation. Water Resources Research, 35(1): 233-241.

Mehdizadeh S., J. Behmanesh and K. Khalili. 2017. Using MARS, SVM, GEP and empirical equations for estimation of monthly mean reference evapotranspiration. Computer and Electronics in Agriculture, 139: 103-114.

Melesse A.M., S. Ahmad, M.E. McClain, X. Wang and Y.H. Lim. 2011. Suspended sediment load prediction of river systems: an artificial neural network approach. Agriculture Water Management, 98: 855–866.

Mustafa M.R., R.B. Rezaur, S. Saiedi and M.H. Isa. 2012. River suspended sediment prediction using various multilayer perceptron neural network training algorithms- A case study in Malaysia. Water Resources Management, 26: 1879-1897.

Russel S.O. and P.F. Campbell. 1996. Reservoir operating rules with fuzzy programming. Journal of Water Resources Planning and Management, 122 (3): 165–170.

Vapnic V.N. 1998. The Nature of Statistical Learning Theory. Wiley, NewYork: USA

Wieprecht S., G. Habtamu and C. Ted Yang. 2013. A neuro-fuzzy-based modelling approach for sediment transport computation. Hydrological Sciences Journal, 58(3): 587–599.