تخمین ضریب گذردهی سرریزهای جانبی مایل با شبکه عصبی و سیستم استنتاج فازی- عصبی تطبیقی

Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,118

This Paper With 8 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCCE06_0642

تاریخ نمایه سازی: 28 مرداد 1390

Abstract:

سرریزهای جانبی به عنوان یک سازه انحرافی در رودخانه ها و کانال ها مورد استفاده قرار میگیرد جهت بررسی عملکرد سرریزها و تخمین دبی عبوری از روی آنها نیاز به تعیین ضریب آبگذری می باشد از مهمترین نکات قابلتوجه در بحث این سازه ها تخمین صحیح میزان دبی عبوری می باشد که تاکنون محققین بیشماری براسا محدوده مشخصی از متغیرهای انتخابی به بررسی این موضوع پرداخته و روابط گوناگونی را در شرایط مختلف ارائه نموده اند دراین تحقیق براساس اطلاعات آزمایشگاهی موجود با استفاده از شبکه عصبی و سیستم استنتاج فازی عصبی تطبیقی به تخمین ضریب گذردهی سرریزهای جانبی مایل پرداخته شده است جهت آزمون دقت پیش بینی نتایج شبکه عصبی مصنوعی از 90 درصد داده ها به عنوان نمونه آموزشی و از 10 درصد دیگر به عنوان داده های آزمایشی اعتبار سنجی استفاده شده و برای سیستم استنتاج فازی - عصبی تطبیقی 70 درصد داده ها برای آموزش و 30 درصد برای اعتبار سنجی استفاده شده است.

Keywords:

ضریب آبگذری , سرریز جانبی مایل , شبکه عصبی , سیستم استنتاج فازی عصبی - فازی

Authors

احمد فرخی

دانشجوی کارشناسی ارشد سازه های هیدرولیکی

محمد گیوه چی

استادیارگروه مهندسی عمران دانشگاه سیستان و بلوچستان

مهدی اژدری مقدم

استادیارگروه مهندسی عمران دانشگاه سیستان و بلوچستان

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 :
  • تعیین ضریب دبی سرریزهای جانبی با استفاده از اطلاعات آزمایشگاهی و روش تشابه ناقص [مقاله کنفرانسی]
  • قبادیان، ر. و شفاعی بجستان، _ (1385)، بهینه یابی ضریب ...
  • .هنر، ت. و طرازکار، _ (1386)، "کاربرد شبکه عصبی مصنوعی ...
  • برقعی، س. م. پروانه، ع، (1388). " تعیین ضریب دبی ... [مقاله کنفرانسی]
  • _ _ (1388)، "کاربرد مدل شبکه‌های عصبی در تعیین ضریب ...
  • _ "استفاده از مدل فازی-عصبی و شاخص‌های اقلیمی جهت پیش‌بینی ...
  • انوری ص.، اتقاء مدل‌های هوشمند جهت پیش‌بینی جریان رودخانه با ...
  • De Marchi, G.Sagio di teoria di fuzionamente degli stramazzi laterali, ...
  • J. Irrig. .:ه 5-Ramamurthy, A. S. Junying Qu, Diep Vo.. ...
  • Omer Bilhan.et. al ." Application of two different neurl network ...
  • Emiroglu ME, Kisi O, Bilhan O. Predicting discharge capacity of ...
  • Ura, M, Kita, Y., Akiyama, J., Moriyama, H., Kumar Jha, ...
  • Zhang, G., Patuwo, B.E., and Hu, M.Y. 1998. Forecasting with ...
  • Chang, F.-J., Chang Y. -T., Adaptive neuro-fuzzy inference System for ...
  • Jang, J.-S.R., ANFIS adaptive network based fuzzy inference system. IEEE ...
  • Falvey, H. T., "Hydraulic Design of Labyrinth Weirs", ASCE PRESS ...
  • Chang, F. -J., Chang Y. -T., Adaptive neuro-fuzzy inference system ...
  • نمایش کامل مراجع