پیش بینی سرعت جریان بر روی شیب شکن های مانع دار با استفاده از شبکه عصبی مصنوعی
Publish place: 11th National Seminar on Irrigation and Evapotranspiration
Publish Year: 1390
Type: Conference paper
Language: Persian
View: 1,145
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ABYARI11_059
Index date: 12 August 2012
پیش بینی سرعت جریان بر روی شیب شکن های مانع دار با استفاده از شبکه عصبی مصنوعی abstract
یکی از مسائل اصلی در طراحی سازه های انتقال آب ، تعیین سرعت جریان در بازه های شیب دار بخصوص شیب شکن های مانع دار می باشد. سازه فوق شامل تعدادی بلوک با جانمایی خاص و هندسه متفاوت بوده که از نزدیکی تاج شروع و نا پاشنه پایین دست ادامه می یابد. به دلیل اشفتگی جریان و نامتقارن بودن هندسه ابراه امکان محاسبه سرعت در نقاط دلخواه وجود ندارد به همین دلیل تخمین سرعت نیازمند استفاده از مدل سازی های فیزیکی و یا عددی می باشد. استفاده از روش های فوق دارای محدودیت های زیادی از جمله سرعت پایین در انجام محاسبات ، هزینه بالای مدل سازی و محدودیت های فیزیکی بوده و زمانی که هدف از انجام مدل سازی مشخص کردن سرعت جریان در شرایط مختلف هندسه ، دبی و شیب سازه باشد عملا امکان انجام محاسبات وجود ندارد. برای حل مشکل فوق استفاده از تکنیک های رایانش نرم مانند شبکه های عصبی مصنوعی توصیه شده که برای این منظور با استفاده از نتایج تعداد محدودی ازمایش در بازه مورد نظر مابقی نتایج توسط ابزار ذکر شده تخمین زده می شود. در این مقاله با استفاده از نتایج شانزده ازمایش انجام شده بر روی مدل فیزیکی یک شیب شکن مانع دار ، شبکه عصبی منتج از 12 ازمایش اموزش داده شده و نتایج تخمین زده شده با واقعیت مقایسه شده است.
پیش بینی سرعت جریان بر روی شیب شکن های مانع دار با استفاده از شبکه عصبی مصنوعی Keywords:
پیش بینی سرعت جریان بر روی شیب شکن های مانع دار با استفاده از شبکه عصبی مصنوعی authors
رضا حسن زاده
دانشجوی کارشناسی ارشد عمران - سازه هی هیدرولیکی دانشگاه آزاد اسلامی ک
نوید جلال کمالی
استادیار گروه مهندسی آب - دانشگاه آزاد اسلامی کرمان
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 :