ارائه رابطه غیر خطی جهت فشار در حوضچه آرامش تیپ II همگراشونده با استفاده ازشبکه عصبی

Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,364

This Paper With 7 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_0844

تاریخ نمایه سازی: 28 مرداد 1390

Abstract:

استهلاک انرژی پایین دست سرریز سدها مسئله ای جدی است.جریان آبی که از تاج سرریز به سمت پایین دست جریان می یابد،مشخصه های هیدرولیکی زیادی دارد که از آن جمله می توان انتقال از حالت فوق بحرانی به زیر بحرانی،پرش هیدرولیکی و انتقال از جریان زیر بحرانی به تراز نرمال رودخانه اشاره نمود. که همگی بیانگر نحوه اتصال بالادست و پایین دست در یک سازه هیدرولیکی می باشد،که طرح این اتصال باید بصورت ایمن از سرریز به پایین دست باشد.از جمله سازه های کنترل کننده پرش هیدرولیکی حوضچه های آرامش می باشند.تحلیل فشار درون حوضچه آرامش از مباحث مهم مطالعه مدل هیدرولیکی می باشد. مطالعات انجام شده در این زمینه بیشتر با بهره گیری از مدلهای آزمایشگاهی بوده است که بر خلاف روشهای عددی مستلزم صرف وقت و هزینه زیادی می باشد.در این مقاله با بهره گیری از نرم افزار متلب به تربیت یک شبکه عصبی مناسب جهت ارائه رابطه غیر خطی برای برآورد فشار در حوضچه آرامش تیپII) همگرا شونده مبادرت شده است.نتایج نشان می دهد که رابطه مناسبی ما بین شبکه آموزش داده شده و اطلاعات آزمایشگاهی وجود دارد و شبکه ارائه شده با تعداد نرونهای بالا در لایه پنهان دارای دقتی بیشتر از تعداد نرونهای پایین می باشد وهمچنین مشاهده می شود که شبکه عصبی از دقت قابل ملاحظه ای نسبت به مدل های تجربی رایج دارا است.

Authors

حمیدرضا وثوقی فر

استادیار گروه مهندسی عمران دانشگاه آزاد اسلامی واحد تهران جنوب

قاسم مومنی

دانشجوی کارشناسی ارشد سازه های هیدرولیکی دانشگاه آزاد اسلامی واحد ته

مسعود موثقی صداقت

دانشجوی کارشناسی ارشد سازه های هیدرولیکی دانشگاه آزاد اسلامی واحد ته

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 :