بررسی عملکرد روشهای کلاسیک و هوش مصنوعی در تخمین ضریب زبری در پیچانرودها
Publish place: Irrigation and Drainage، Vol: 12، Issue: 4
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 218
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_IDJ-12-4_006
تاریخ نمایه سازی: 25 اردیبهشت 1400
Abstract:
برآورد دقیق ضریب زبری رودخانهها همواره از مسایل مهم و اساسی در مدل سازی هیدرولیک رودها میباشد. در تحقیق کنونی از روشهای هوشمند ماشینبردار پشتیبان (SVM) و سیستم استنتاج تطبیقی عصبی- فازی (ANFIS) جهت تخمین زبری هیدرولیکی پیچانرودها استفاده گردید و تاثیر پارامترهای مختلفی از قبیل شیب کانال، میزان سینوسی بودن کانال و همچنین پارامترهای هیدرولیکی مانند عدد رینولدز جریان در تعیین زبری این نوع کانالها مورد بررسی قرار گرفت. از طرف دیگر، نتایج حاصل با روشهای کلاسیک مقایسه گردید. جهت مدلسازی ضریب زبری از دو سری داده آزمایشگاهی مربوط به کانالهای سینوسیشکل استفاده گردید. نتایج حاصله نشانداد که روشهای هوشمند SVM و ANFIS در تخمین ضریب زبری مانینگ در رودخانههای طبیعی نسبت به فرمول های نیمهتجربی دقیقتر و قابل اعتمادتر میباشند. ملاحظه گردید که در تخمین ضریب زبری مانینگ مدل با پارامترهای ورودیα (ضریب شکل)، Sr(ضریب مارپیچی)، S۰(شیب کانال) و Re(عدد رینولدز) منجر به جوابهای دقیقتری میگردد. نتایج به دست آمده نشان داد که در تخمین ضریب زبری در پیچانرودها، تاثیر پارامتر ضریب شکل در افزایش دقت مدلها از ضریب سینوسی بیشتر است. همچنین نتایج تحلیل حساسیت نشان داد که شیب کانال تاثیرگذارترین پارامتر در تخمین ضریب زبری در پیچانرودها است.
Keywords:
Authors
کیومرث روشنگر
دانشیار گروه آب دانشکده عمران دانشگاه تبریز
رقیه قاسم پور
دانشجوی دکتری عمران مهندسی و مدیریت منابع آب دانشگاه تبریز
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 :