بررسی عملکرد ماشین های یادگیری در تخمین ضریب دبی آبگذری آبگیرهای کفی با روزنه دایره ای
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 197
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WATER-12-4_002
تاریخ نمایه سازی: 5 تیر 1401
Abstract:
با توسعه فناوری و پیشرفت تکنولوژی، روش های هوشمند بسیاری برای تخمین ضریب آبگذری سازه های هیدرولیکی مختلف پدید آمده است. یکی از سازه هایی که در نیروگاه های برقابی کاربرد دارد، سازه آبگیر کفی است. وظیفه این سازه، انتقال جریان به کانال جمع آوری است. از مزیت های این سازه می توان به پایداری آن ها در برابر بارهای دینامیکی و استاتیکی به دلیل قرارگیری این سازه ها در پایین ترین تراز اشاره کرد. در پژوهش حاضر، چهار الگوریتم هوشمند توانمند ماشین یادگیری مضاعف (ELM)، شبکه های عصبی رگرسیون عمومی (GRNN)، مدل رگرسیون خود تطبیق شونده (MARS) و مدل درخت M۵ در مدل سازی ضریب آبگذری آبگیر کفی مورد ارزیابی قرار گرفته است. نتایج مدل سازی نشان داد که الگوریتم ELM در هر دو دوره آموزش (۷۰ درصد داده ها) و آزمون (۳۰ درصد داده ها) از دقت بیشتری نسبت به سایر الگوریتم های بررسی شده برخوردار است. به طوری که ضریب R۲ برای الگوریتم مذکور تا ۷۴/۳ درصد بیشتر از دیگر الگوریتم های استفاده شده بود. همچنین معیار DDR و هیستوگرام خطای مدل سازی بیانگر برتری الگوریتم ELM بود. در نهایت نیز سرعت محاسبه الگوریتم های به کاربرده شده مورد مقایسه قرار گرفت که الگوریتم ELM تا ۵۵۷/۲ برابر سریع تر از سایر الگوریتم ها بود. بنابراین، الگوریتم ELM به دلیل دقت خوب و در عین حال سرعت زیاد، دارای پتانسیل بالا جهت مدل سازی ضریب آبگذری سرریز ها است.
Keywords:
Authors
علی میرنورالهی
دانشجوی کارشناس ارشد مهندسی آب و سازه هیدرولیکی، دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران
حجت کرمی
استادیار گروه مهندسی عمران- مهندسی آب و سازه های هیدرولیکی، دانشکده مهندسی عمران، دانشگاه سمنان
سعید فرزین
دانشیار، گروه مهندسی آب و سازه های هیدرولیکی، دانشکده مهندسی عمران، دانشگاه سمنان، ایران
مجتبی عامری
استادیار، گروه مهندسی عمران، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی واحد شاهرود، شاهرود، 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 :