«یادداشت تحقیقاتی» کاربرد شبکه عصبی مصنوعی در برآورد مشخصات پرش هیدرولیکی درحوضچه آرامش با دیواره همگرا و شیب کف منفی
Publish place: Journal of Hydraulics، Vol: 7، Issue: 1
Publish Year: 1391
نوع سند: مقاله ژورنالی
زبان: Persian
View: 204
نسخه کامل این Paper ارائه نشده است و در دسترس نمی باشد
- 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_JHYDAN-7-1_006
تاریخ نمایه سازی: 10 اردیبهشت 1400
Abstract:
در این تحقیق از شبکه عصبی مصنوعی برای مدلسازی طول و عمق ثانویه پرش هیدرولیکی در حوضچه آرامش با دیواره همگرا و شیب کف منفی -که یکی از حالتهای خاص و پیچیده در پرش هیدرولیکی است- استفاده شده است. تعداد ۱۶۸۲ داده آزمایشگاهی طول و عمق ثانویه پرش هیدرولیکی مربوط به مقاطع مستطیلی، برای شیب کف منفی %۶/۰-، %۳/۱- و %۲- با زاویه همگرایی %۷/۲، %۴ و %۳/۵ استفاده شده است. در توسعه مدل شبکه، ۱۵ ساختار پرسپترون با تعداد مختلفی از لایههای پنهان ونرونها ارزیابی شدند. در نتیجه، ساختاری که بالاترین مقدار ضریب همبستگی را ایجاد میکرد، بهعنوان مدل بهینه انتخاب شد. برای مقاطع همگرا با شیب کف منفی، مناسبترین مدل شبکه عصبی برای تعیین عمق ثانویه پرش هیدرولیکی، ساختار ۱-۳-۶ با ۱۶ نرون در لایه پنهان و ضریب برازش برابر ۹۹۷۴/۰ بهدست آمد. همچنین برای طول پرش ساختار ۱-۲-۶ با ۸ نرون در لایههای پنهان وضریب برازش برابر با ۹۸۶۵/۰ بهدست آمد. مقادیر بالای بهدست آمده برای ضرایب برازش، بیانگر همبستگی نزدیک بین مقادیر خروجی مدل شبکه عصبی با دادههای آزمایشگاهی است.
Keywords:
Authors
تورج هنر
دانشیار گروه مهندسی آب کشاورزی، دانشگاه شیراز
سوده پورحمزه
دانشجوی سابق کارشناسی ارشد آبیاری و زهکشی، دانشگاه شیراز
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 :