首页> 外文会议>Die Kuste Archiv fur Forschung und Technik an der Nord - und Ostsee >Analysis of Salinity Alterations due to Estuarine Waterway Deepening by Artificial Neural Networks
【24h】

Analysis of Salinity Alterations due to Estuarine Waterway Deepening by Artificial Neural Networks

机译:人工神经网络分析河口航道加深引起的盐度变化

获取原文
获取原文并翻译 | 示例

摘要

Fahrwasserausbauten in Ästuarien bewirken erstrangig Veränderungen des Tideregimes und nachfolgend auch die des Salzeintrags nach oberstrom. Diese potenziellen Auswirkungen werden in Umweltverträglichkeitsprüfungen untersucht, deren Ergebnisse hinsichtlich ihrer Verlässlichkeit durch Beweissicherung überprüft werden. Nachdem Ausbau des Fahrwassers in der Außenweser wurden entsprechend u. a. Messungen der Salzgehalte vorgenommen. Da die Daten Indizien für Änderungen des Salzgehalts aufzeigten und deren umfassende Quantifizierung mit Methoden wie nichtlinearer Regression fehlschlugen, wurden Analysen mit Hilfe Künstlicher Neuronaler Netzwerke (KNN) ausgeführt. Damit konnten die Salzgehalte jeweils vor und nach dem Ausbau mit hoher Qualität reproduziert werden. Es zeigte sich weiterhin, dass mit dem Künstlichen Neuronalen Netzwerk, das mit den Daten vor dem Ausbau trainiert worden war, für die nach dem Aushau gewonnen Daten keine entsprechende Ubereinstimmung erreichbar war. Die dabei offenbar werdenden Differenzen konnten zur Quantifizierung der ausbaubedingten Änderungen der Salzgehalte genutzt werden.%Deepening of estuarine waterways effects primarily changes of tidal water levels and secondarily that of tidal volumes and salt intrusion. These effects are subject of Environmental Impact Assessments which are often checked by afterwards monitoring for preservation of evidence. After the deepening of the waterway in the Outer Weser estuary among others such measurements were carried out for salinity. Since the data indicated alterations of salt intrusion into the Weser estuary a reliable quantification of the changes by conventional procedures like e. g. nonlinear regression analysis failed. However test with Artificial Neural Networks (ANN) provided reliable results for the respective data sets gained before and after the waterway deepening. Whereas the application of the ANN which was trained with data before the deepening mismatched with the data gained after deepening. These differences provide a reliable measure for the increased salt intrusion into the Weser estuary due to the deepening of the Waterway.
机译:河口的航道发展主要引起潮汐制度的变化,随后也引起向上游水流输入盐分的变化。在环境影响评估中检查了这些潜在影响,并通过保存证据检查了结果的可靠性。在扩大外威瑟球道后,你也相应地。一个。测量盐度。由于数据显示出盐度变化的证据,并且使用非线性回归等方法无法对其进行全面定量,因此使用人工神经网络(KNN)进行了分析。这允许在膨胀前后高质量地复制盐含量。进一步表明,使用在扩展之前已经接受过数据训练的人工神经网络,对于移除后获得的数据无法实现相应的匹配。明显的差异可用于量化膨胀引起的盐度变化。%河口水道的深化主要影响潮汐水位的变化,其次影响潮汐水量和盐分的入侵。这些影响是环境影响评估的主题,通常通过事后监测以检查证据的保存来进行检查。在外威悉河口的水道加深之后,进行了盐度测量。由于数据表明盐渗入威悉河口的变化,因此可以通过常规方法(例如e。 G。非线性回归分析失败。但是,使用人工神经网络(ANN)进行的测试为航道加深前后获得的各个数据集提供了可靠的结果。即,在加深之前对数据进行训练的神经网络的应用与加深之后获得的数据不匹配。这些差异为水道加深导致盐分侵入威悉河口的增加提供了可靠的措施。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号