<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Marine Engineering</title>
<title_fa>مهندسی دریا</title_fa>
<short_title>marineeng</short_title>
<subject>Engineering &amp; Technology</subject>
<web_url>http://marine-eng.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>1735-7608</journal_id_issn>
<journal_id_issn_online>2645-8136</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>10.61882/marineeng</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science></journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1392</year>
	<month>6</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2013</year>
	<month>9</month>
	<day>1</day>
</pubdate>
<volume>9</volume>
<number>17</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>تخمین مقدار انتقال رسوب در امتداد ساحل با استفاده از فرمول‌های نیمه تجربی و شبکه عصبی مصنوعی در سواحل نور</title_fa>
	<title>Prediction of Alongshore Sediment Transport Rate Using Semi-Empirical Formulas and an Artificial Neural Networks (ANNs) model in Noor Coastal zone </title>
	<subject_fa>موتور اصلي، ماشين‌آلات و سيستم‌هاي الكتريكي</subject_fa>
	<subject>Main Engine &amp; Electrical Equipments</subject>
	<content_type_fa>مقاله پژوهشي</content_type_fa>
	<content_type>Research Paper</content_type>
	<abstract_fa>مقایسه‌ای بین فرمول‌های نیمه-تجربی سرک (C.E.R.C)، والتون و برنو (W.B)، فن در میر (V)، کامفوس (Kamphuis) و روش شبکه عصبی مصنوعی (ANN) با مقادیر اندازه‌گیری شده در بازه زمانی مهر تا آخر آذرماه سال 1390 با استفاده از تله‌گیر عمودی رسوب انجام شده است. در مدل مبتنی بر روش شبکه عصبی، شش متغیر اصلی موثر در نرخ انتقال رسوب در امتداد ساحل در نظرگرفته شد. نتایج نشان داد که در میان فرمول‌های نیمه تجربی بررسی شده، فرمول کامفوس تقریباً نتایج نزدیک‌تری به واقعیت را ارائه نموده است و مقدار 7% اختلاف نتایج حاصل از آن با مقادیر مشاهداتی ممکن است مربوط به خطا در اندازه‌گیری پارامترهای مدل باشد. در مقایسه، نتایج حاصل از مدل مبتنی بر روش شبکه عصبی مصنوعی با داده های میدانی به میزان حدود 6% خطا اختلاف داشته و لذا، به دلیل دقت بالاتر در برآورد نرخ انتقال رسوب جهت استفاده در تحقیقات مشابه توصیه می گردد.</abstract_fa>
	<abstract>Comparisons made between the measured data carried out from September to December 2012 using a streamer trap and the results of some semi-empirical formulas including C.E.R.C, Walton and Bruno (W.B), van der Meer (V), Kamphuis (K), and an Artificial Neural Network (ANN) model. Six dominant variables are considered in the ANN model to estimate long-shore sediment transport rate. Results reveal that among the semi-empirical formulas, Kamphuis formula has provided more reliable results than others and its %7 errors related to the observed data is partially resulted from the errors in input parameters. In contrast, the ANN model provides more accurate results with %6 error related to measured data and thus it is recommended to be applied in long-shore sediment transport rate estimation in similar research contexts. </abstract>
	<keyword_fa></keyword_fa>
	<keyword>Sediment Transport, semi empirical Formula, Caspian Sea</keyword>
	<start_page>77</start_page>
	<end_page>86</end_page>
	<web_url>http://marine-eng.ir/browse.php?a_code=A-10-253-1&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Tayeb </first_name>
	<middle_name></middle_name>
	<last_name>Sadeghifar</last_name>
	<suffix></suffix>
	<first_name_fa>طیب</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>صادقی فر</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>tsadeghifar@yahoo.com</email>
	<code>10031947532846001281</code>
	<orcid>10031947532846001281</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Faculty of Marine Sciences, Tarbiat Modares University, Noor</affiliation>
	<affiliation_fa>دانشگاه تربیت مدرس ، دانشکده علوم دریایی </affiliation_fa>
	 </author>


	<author>
	<first_name>Seyed Ali </first_name>
	<middle_name></middle_name>
	<last_name>Azarmsa</last_name>
	<suffix></suffix>
	<first_name_fa>سید علی </first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>آزرم سا </last_name_fa>
	<suffix_fa></suffix_fa>
	<email>azarmsaa@modares.ac.ir</email>
	<code>10031947532846001282</code>
	<orcid>10031947532846001282</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Faculty of Marine Sciences, Tarbiat Modares University, Noor</affiliation>
	<affiliation_fa>دانشگاه تربیت مدرس ، دانشکده علوم دریایی </affiliation_fa>
	 </author>


	<author>
	<first_name>Mehdi</first_name>
	<middle_name></middle_name>
	<last_name>Vafakhah</last_name>
	<suffix></suffix>
	<first_name_fa>مهدی </first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>وفا خواه</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>vafakhah@modares.ac.ir</email>
	<code>10031947532846001283</code>
	<orcid>10031947532846001283</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Faculty of Marine Sciences, Tarbiat Modares University, Noor</affiliation>
	<affiliation_fa>دانشگاه تربیت مدرس ، دانشکده منابع ظبعی  </affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
