تعیین ضریب تخلیه سرریزهای جانبی با استفاده از شبکه عصبی
Publish place: Civil & Project Journal، Vol: 4، Issue: 4
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 142
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_CIPR-4-4_005
تاریخ نمایه سازی: 19 مهر 1401
Abstract:
سرریزهای جانبی(Side weirs)، سازه های منحرف کننده جریان هستند که در صنعت آبیاری و زهکشی، کنترل سیلاب، مهندسی بهداشت و سیستم های فاضلاب شهری کاربرد فراوانی دارند. تاکنون ضریب دبی در این نوع سرریزها با استفاده از تکنیک های رگرسیون و به صورت تجربی تعیین شده است و به همین دلیل در تحقیق حاضر از مدل های رگرسیون خطی و شبکه عصبی مصنوعی برای پیش بینی ضریب تخلیه سرریز جانبی استفاده شد و نتایج آن ها با یکدیگر و با مقادیر محاسباتی مقایسه و بهترین مدل در این زمینه برای پیش بینی انتخاب شد. ضریب تخلیه سرریزهای جانبی بر اساس ترکیبات متعددی از متغیرهای مستقل بی بعد شامل نسبت طول به عرض سرریز (L/B)، نسبت عمق جریان در پایین دست سرریز به ارتفاع سرریز (Hd/P)، نسبت طول سرریز به ارتفاع سرریز (L/P)، نسبت دبی تخلیه سرریز به دبی بالادست (Qw/Qu) و نسبت عمق جریان در بالادست سرریز به عرض سرریز (Hu/B) پیش بینی شد. مدل ANN۷ با ورودی های L/P, Qw/Qu, hu/B دارای بیشترین مقدار ضریب رگرسیون برابر با ۹۲/۰ و مقادیر خطای RMSE و MAE برابر با ۲۳/۰ و ۱۵/۰ بهترین پیش بینی را انجام داد.مدل Reg۱ با مقادیر ضریب رگرسیونی، RMSE و MAE به ترتیب برابر با ۷۲/۰، ۱۷/۰ ۱۱/۰ بهترین نتایج را در پیش بینی ایجاد کرد و به عنوان بهترین مدل رگرسیون خطی انتخاب گردید.نتایج کلی نشان داد که مدل های ANN نسبت به مدل های رگرسیون خطی نتایج بهتری را ایجاد می کنند.
Keywords:
Authors
حسین منتصری
استادیار گروه مهندسی عمران،مهندسی و مدیریت منابع آب، دانشگاه یاسوج
رضا خلیلی
گروه آموزشی مهندسی عمران.مدیریت منابع آب دانشگاه یاسوج
مهدی ملک محمودی
کارشناس ارشد، مهندسی عمران گرایش مهندسی و مدیریت منابع آب، دانشگاه یاسوج
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 :