تحلیل حساسیت عوامل موثر در هوادهی سرریز با استفاده از روش های هوشمند مصنوعی و ANFIS
Publish Year: 1393
نوع سند: مقاله ژورنالی
زبان: Persian
View: 212
This Paper With 13 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_WATER-5-1_007
تاریخ نمایه سازی: 4 اسفند 1400
Abstract:
هوادهی به جریان عبوری از سرریزها توسط هوادهها یکی از روشهای موثر در کاهش دادن خسارت ناشی از کاویتاسیون در این سازهها میباشد. در این تحقیق جهت برآورد هوای مورد نیاز هوادهها از سه روش شبکه عصبی مصنوعی (مبتنی بر الگوریتم لونبرگ- مارکواد)، ترکیبی عصبی- فازی (ANFIS) و رابطه تجربی فیشر استفاده شد. پارامتر های h۰ (عمق جریان در ابتدای سیستم هواده)، Qwater (دبی جریان عبوری از سریز)، s (ارتفاع پله)، α (زاویه رمپ) و hs (اختلاف فشار بین اتمسفر و فشار زیر جت جریان عبوری از روی سیستم هواده) به عنوان عوامل موثر بر میزان جریان هوای مورد نیاز هواده در نظر گرفته شدند و مدلسازی بر اساس این پارامترها صورت گرفت. نتایج مدلسازی نشان داد که در صورت در نظر گرفتن همه پارامترها روش ANFIS نسبت به دو روش دیگر عملکرد مطلوبتری دارد. نتایج تحلیل حساسیت نشان داد که پارامتر اختلاف فشار مهم ترین پارامتر در مدلسازی با استفاده از هر دو روش عصبی و ANFIS است به گونهای که در اثر حذف شدن این پارامتر در مدلسازی، ریشه میانگین مربعات خطا برای روشهای شبکه عصبی و ANFIS به ترتیب در حدود ۵۴/۳۷ و ۷۴/۲۲۴ درصد افزایش مییابد. درصد افزایش ریشه میانگین مربعات خطا در اثر حذف شدن پارامتر ارتفاع پله برای روش شبکه عصبی و ANFIS به ترتیب در حدود ۳۹/۵ و ۴/۱۳ درصد میباشد که کمترین مقدار را در بین سایر پارامترها داشت و به عنوان کم اهمیتترین پارامتر در مدلسازی با استفاده از هر دو روش شناخته شد.
Keywords:
Authors
امین مهدوی میمند
دانشجوی کارشناسی ارشد سازه های آبی، دانشکده علوم آب، دانشگاه شهید چمران اهواز،
جواد احدیان
استایار گروه سازه های،دانشکده علوم آب، دانشگاه شهید چمران اهواز
محمد احترام
دانشجوی کارشناسی ارشد عمران آب، دانشکده مهندسی، دانشگاه شهید چمران اهواز
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 :