افزایش دقت پیشبینی ضریب دبی در سرریزهای لبهتیز قوس محور با استفاده از الگوریتمهای تکاملی و شبکه هوش مصنوعی
Publish place: Watershed Engineering and Management، Vol: 11، Issue: 4
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 266
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWEM-11-4_007
تاریخ نمایه سازی: 25 بهمن 1399
Abstract:
سرریزها یکی از سازههای متداول برای تخلیه و اندازهگیری جریان هستند، به همین منظور این نوع سازههای هیدرولیکی بسته به هدف مورد استفاده، دارای اشکال مختلفی هستند. ضرایب طراحی سرریزها که در مراجع استاندارد طراحی در دسترس است، مربوط به سرریزهایی است که امتداد آنها عمود بر جهت جریان است. در برخی از موارد بهدلیل محدودیتهای اجرایی و طراحی، استفاده از سرریزهای کنگرهای، سرریزهای جانبی و همچنین، طراحی سرریزهای قوس محور اجتنابناپذیر است. تا کنون در زمینه تخمین ضریب دبی این سرریزها و نیز استخراج رابطه دبی-اشل آنها تحقیقات بسیار کمی انجام شده است. در این تحقیق، به کمک روش نوین بهینهسازی برنامهریزی بیان ژن و همچنین، روش شبکه هوش مصنوعی روابطی بدون بعد بر اساس پارامترهای زاویه قوس سرریز و نسبت بار آبی بالادست سرریز به ارتفاع آن برای برآورد ضریب دبی این سازهها ارائه شده است. برای واسنجی و صحتسنجی (آزمون) رابطه پیشنهادی، دادههای آزمایشگاهی Kumar و همکاران استفاده شده است. مقایسه نتایج محاسباتی این رابطه با مقادیر آزمایشگاهی ضریب دبی سرریزهای قوسی نشان داد که روابط پیشنهادی از دقت بسیار مناسبی برخوردار است. با توجه به معیارهای عملکرد، دو مدل برای GEP و یک روش برای ANN انتخاب شدند که در همه این مدلها الگوی ورودی یکسان میباشد. در روش منحنی برنامهریزی ژنتیک الگوی ورودی با عملگرهای 2F و 4F با داشتن بیشترین ضرایب تعیین برای دادههای آزمون بهترتیب 0.924=DC و 0.956=DC بهترین عملگرها در این روش انتخاب شدند. همچنین، در روش ANN نیز با متغیر قرار دادن تعداد نورونها در لایههای مخفی در بازه 10-2، مدل حاضر با تعداد 10 نورون دارای بیشترین 0.962=DC نسبت به الگوهای دیگر میباشد.
Keywords:
Authors
مجتبی صانعی
دانشیار، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
علی فرودی خور
دانشجوی دکترای، دانشکده مهندسی عمران، دانشگاه تبریز