مدل سازی و تخمین ابعاد کانال های آبرفتی پایدار با استفاده از محاسبات نرم
Publish place: Journal of Water and Soil Science، Vol: 26، Issue: 3
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 152
This Paper With 17 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_JWSS-26-3_006
تاریخ نمایه سازی: 16 بهمن 1401
Abstract:
در این پژوهش به منظور تخمین ابعاد هندسی کانال های آبرفتی پایدار شامل عرض سطح کانال (w)، عمق جریان (h) و شیب طولی (S) آنها از مدل های محاسبات نرم شامل مدل رگرسیون اسپلاین تطبیقی چندگانه (MARS) و مدل دسته بندی گروهی داده ها (GMDH) استفاده شد و نتایج مدل های توسعه داده شده با مدل شبکه عصبی چندلایه (MLP) مقایسه شد. برای توسعه مدل ها، پارامترهای دبی جریان (Q)، اندازه متوسط ذرات در کف و بدنه (d۵۰) و همچنین میزان تنش برشی (t) به عنوان ورودی و از پارامترهای عرض سطح آب (w)، عمق جریان (h) و شیب طولی (S) به عنوان پارامترهای خروجی استفاده شد. مدل های محاسبات نرم در دو سناریو بر اساس پارامترهای خام و فرم بی بعد پارامترهای مستقل و وابسته، توسعه داده شدند. نتایج نشان داد که با توجه به مشخصات آماری در تخمین w بهترین عملکرد مربوط به مدل MARS است که شاخص های آماری دقت آن در مرحله آموزش عبارت از R۲=۰.۹۰۲,RMSE=۱.۶۶۶ و در مرحله آزمایش عبارت از R۲=۰.۸۴۴,RMSE=۲.۳۱۷ است. در تخمین عمق کانال، عملکرد هر دو مدل MLP و MARS تقریبا برابر است که هر دو بر اساس فرم بی بعد دبی جریان به عنوان متغیر ورودی، توسعه داده شدند. شاخص های آماری هر دو مدل در مرحله آموزش عبارت از و در مرحله آزمایش عبارت از است. بهترین عملکرد مدل های توسعه داده شده در تخمین شیب طولی کانال نیز مربوط به هردو مدل MARS و GMDH است که البته به صورت جزئی، دقت مدل GMDH با شاخص های آماری در مرحله آموزش و در مرحله آزمایش بیشتر از مدل MARS است.
Keywords:
Authors
بابک شاهی نژاد
Lorestan University
عباس پارسایی
Shahid Chamran University
علی حقی زاده
Lorestan University
آزاده ارشیا
LU
زهرا شمسی
Lorestan University
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 :