پیش بینی سرعت جریان بر روی شیب شکن های مانع دار با استفاده از شبکه عصبی مصنوعی
Publish place: 5th National Conference on Watershed Management and Soil and Water Resources Management
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,093
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:
NCWMSWRM05_229
تاریخ نمایه سازی: 19 اردیبهشت 1391
Abstract:
یکی از مسائل اصلی درطراحی سازه های انتقال آب، تعیین سرعت جریان در بازه های شیب دار به خصوص شیب شکن های مانع دار می باشد. سازه فوق شامل تعدادی بلوک با جانمایی خاص و هندسه متفاوت بوده کهازنزدیکی تاج شروع و تا پاشنه پایین دست ادامه می یابد. به دلیل آشفتگی جریان و نامتقارن بودن هندسه آبراه، امکان محاسبه سرعت در نقاط دلخواه وجود ندارد به همین دلیل تخمین سرعت نیازمند استفاده از مدل سازی های فیزیکیو یا عددی می باشد. استفاده از روش های فوق دارای محدودیت های زیاد از جمله سرعت پایین درانجام محاسبات، هزینه بالای مدل سازی و محدودیت های فیزیکی بوده و زمانی که هدف ازانجام مدل سازی مشخص کردن سرعتجریان در شرایط مختلف هندسه، دبی و شیب سازه باشد عملا امکان انجام محاسبات وجود ندارد. برای حل مشکلاتفوق استفاده از تکنیک های رایانش نرم مانند شبکه های عصبی مصنوعی توصیه شده که برای این منظور با استفاده از نتایج تعداد محدودی آزمایش در بازه مورد نظر، مابقی نتایج توسط ابزار ذکر شده تخمین زده می شود. در این مقالهبا استفاده از نتایج 16 آزمایش انجام شده بر روی مدل فیزیکی یک شیب شکن مانع دار، شبکه عصبی منتج از 12 آزمایش آموزش داده شده و نتایج تخمین زده شده با واقعیت مقایسه شده است
Keywords:
Authors
رضا حسن زاده
دانشجوی کارشناسی ارشد عمران سازه های هیدرولیکی، دانشگاه آزاد اسلامی
نوید جلال کمالی
استادیار گروه مهندسی آب، دانشگاه آزاد اسلامی کرمان، ایران
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 :