پیشبینی و تعیین پارامترهای تاثیرگذار بر افت انرژی موضعی سیستمهای کالورت با استفاده از روش هوشمند الگوریتم تکاملی

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 140

This Paper With 13 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_IDJ-12-5_005

تاریخ نمایه سازی: 25 اردیبهشت 1400

Abstract:

به منظور انتقال آب از یک سمت خاک­ریز به سمت دیگر آن از سازه­های به­ نام کالورت استفاده می­شود. کالورت­ها در انواع مقاطع هندسی مختلف کاربرد داشته و علی­رغم ظاهر ساده آن­ها طراحی این سازه­ها نیاز به انجام محاسبات دقیق داشته و عملکرد آن­ها از پارامترهای مختلفی تاثیر می­پذیرد. تخمین دقیق افت انرژی در کالورت نقش مهمی در طراحی بهینه سیستم­های کالورت دارد. در این مقاله برای مدل­سازی ضریب افت انرژی موضعی در کالورت­ها با هندسه­های مختلف (دایروی و مستطیلی شکل)، جهت شبیه­سازی و تخمین ضریب افت انرژی موضعی، مدل­های متعدد با ورودی­های مختلفی تعریف گردید و نتایج حاصله ۱- کارایی روش برنامه­ریزی بیان ژن (GEP) را در تخمین ضریب افت انرژی موضعی سیستم­های کالورت به اثبات رسانید، ۲- مشخص گردید که مدل با پارامترهای ورودی (Fr, θ) در تخمین ضریب افت انرژی موضعی ناشی از وجود خم در مسیر و مدل با پارامترهای ورودی (Fr,  ) در تخمین ضریب افت انرژی موضعی ناشی از دهانه ورودی دارای بیش­ترین دقت هستند. معیار­های ارزیابی (R,DC,RMSE) در مدل برتر تست مربوط به پیش­بینی ضریب افت موضعی ناشی از وجود خم در مسیر برابر (۰۷۴/۰، ۹۴۳/۰، ۹۷۲/۰) و معیارهای ارزیابی در مدل برتر تست مربوط به پیش­بینی ضریب افت موضعی ناشی از دهانه ورودی برابر با (۰۴/۰، ۹۲/۰، ۹۶۲/۰) می­باشد. هم­چنین مطابق با نتایج آنالیز حساسیت، پارامتر θ در تخمین ضریب افت انرژی موضعی ناشی از وجود خم در مسیر و پارامتر  در تخمین ضریب افت انرژی موضعی ناشی از دهانه ورودی بیش­ترین تاثیر را داشتند.

Keywords:

برنامه ریزی بیان ژن , ضریب افت انرژی موضعی , کالورت , مدل های هوشمند

Authors

کیومرث روشنگر

دانشیار دانشکده مهندسی عمران، دانشگاه تبریز

غزاله نساجی متین

کارشناسی ارشد مهندسی عمران گرایش آب و سازه های هیدرولیکی، 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 :
  • کاوه­کار،ش.، قربانی،م.، اشرف­زاده،ا.، دربندی،ص. ۱۳۹۲. شبیه­سازی نوسانات تراز آب با ...
  • Ferreira,C. ۲۰۰۱. Algorithm for solving gene expression programming: a new ...
  • Ferreira,C. ۲۰۰۴. Gene expression programming and the evolution of computer ...
  • Graziano,F., Martin,B., Stein,S., Umbrell,E. ۲۰۰۱. South Dakota culvert inlet design ...
  • Jones,J.S., Kerenyi,K., Stein,S. ۲۰۰۶. Effects of inlet geometry on hydraulic ...
  • Kisi,O., Shiri,J., Tombul,M. ۲۰۱۳. Modeling rain fall-runoff process using soft ...
  • Kotowski,A., Szewczyk,H., Ciezak,W. ۲۰۱۱. Entrance loss coefficients in pipe hydraulic ...
  • Lopes,H.S., Weinert,W.R. ۲۰۰۴. EGIPSYS: an enhanced gene expression programming approach ...
  • Malone,T.R., Parr,A.D. ۲۰۰۸. Bend losses in rectangular culverts. Kansas Department ...
  • Roushangar,K., Ghasempour,R. ۲۰۱۷. Estimation of bedload discharge in sewer pipes ...
  • Tullis,B.P. ۲۰۱۲. Hydraulic loss coefficients for culverts (R. ۷۳۴). Transportation ...
  • Wang,W.C., Chau,K.W., Cheng,C.T., Qiu,L. ۲۰۰۹. A comparison of performance of ...
  • نمایش کامل مراجع