سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

برآورد ضریب تخلیه سرریز جانبی کلیدپیانویی تیپ B در انحنای ۱۲۰ درجه با استفاده از مدل های RBFو ANFIS و مقایسه با شبکه عصبی ANN

Publish Year: 1399
Type: Journal paper
Language: Persian
View: 361

This Paper With 12 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

JR_JISE-43-1_007

Index date: 27 April 2021

برآورد ضریب تخلیه سرریز جانبی کلیدپیانویی تیپ B در انحنای ۱۲۰ درجه با استفاده از مدل های RBFو ANFIS و مقایسه با شبکه عصبی ANN abstract

سرریزهای جانبی در شبکه­های آبیاری و زهکشی، سیستم­های آب و فاضلاب و کنترل سیلاب مورد استفاده قرار می­­گیرند و معمولا برای کنترل تراز آب، انحراف جریان و تخلیه دبی اضافه استفاده می­شوند. با توجه به اهمیت بهبود عملکرد سرریزهای جانبی، می­توان از سرریزهای کلیدپیانویی که طول موثر بیشتری دارند، استفاده کرد. قوس بیرونی کانال­های دارای انحنا، بهترین مکان­ برای تعبیه سرریزهای جانبی هستند. در این پژوهش در ابتدا با بررسی آزمایشگاهی بر روی سرریزجانبی کلیدپیانویی تیپ Bدر قطاع ۱۲۰ درجه ضریب تخلیه این سرریزها برای هر آزمایش استخراج شد.سپس توانایی مدل, RBF ANFIS و شبکه عصبی ANN در پیش­بینی ضریب تخلیه سرریز مورد ارزیابی قرار گرفت. برای این منظور دو مدلRBF و ANFIS در محیط نرم­افزار MATLABکدنویسی شد. با تحلیل نتایج به­دست آمده، هر دو مدل RBF و ANFIS دارای دقت بالاتری نسبت به شبکه عصبی ANN هستند. همچنین مشخص شد که مدل RBF با RMSE=۰.۰۴۴ و R۲=۰.۹۷۴ دارای دقت بالاتری نسبت به مدل هوشمند ANFIS با=۰.۰۵۲۹   RMSEو=۰.۹۸۱  R۲ است. شبکه عصبی مصنوعی با=۰.۰۶۹۴  RMSE و R۲=۰.۸۲ از لحاظ دقت پیش­بینی بعد از دو مدل یادشده است.

برآورد ضریب تخلیه سرریز جانبی کلیدپیانویی تیپ B در انحنای ۱۲۰ درجه با استفاده از مدل های RBFو ANFIS و مقایسه با شبکه عصبی ANN Keywords:

برآورد ضریب تخلیه سرریز جانبی کلیدپیانویی تیپ B در انحنای ۱۲۰ درجه با استفاده از مدل های RBFو ANFIS و مقایسه با شبکه عصبی ANN authors

یاسر مهری

دانش آموخته کارشناسی ارشد و دانشجوی دکتری سازه های آبی دانشگاه تهران

نادر عباسی

استاد موسسه تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران.

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
1- Bilhan, O., Emiroglu, M.E. and Kisi, O., 2011. Use ...
2- Dursun, O.F., Kaya, N. and Firat, M., 2012. Estimating ...
3- Ebtehaj, I., Bonakdari, H., Zaji, A.H., Azimi, H. and ...
4- Ebtehaj, I., Bonakdari, H., Zaji, A.H., Azimi, H. and ...
5- Emiroglu, M.E. and Kisi, O., 2013. Prediction of discharge ...
6- Karbasi, M. and Azamathulla, H.M., 2016. GEP to predict ...
7- Mahdavi, A. and Ahadiyan, J., 2015. Evaluation of Statistical, ...
8- Onen, F., 2014. GEP prediction of scour around a ...
9- Parsaie, A., 2016. Predictive modeling the side weir discharge ...
10- Salmasi, F., Yıldırım, G., Masoodi, A. and Parsamehr, P., ...
11- Shamshirband, S., Bonakdari, H., Zaji, A.H., Petkovic, D. and ...
12- Yar Mohammadi, B., and Ahadiyan, J., 2016. Experimental Study ...
نمایش کامل مراجع