شبیه سازی و تخمین دبی جریان در فلوم های SMBF به کمک مدل های محاسبات نرم
Publish place: Journal of Water and Soil Science، Vol: 26، Issue: 4
Publish Year: 1401
Type: Journal paper
Language: Persian
View: 302
This Paper With 14 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:
JR_JWSS-26-4_007
Index date: 13 March 2023
شبیه سازی و تخمین دبی جریان در فلوم های SMBF به کمک مدل های محاسبات نرم abstract
در پژوهش حاضر، دبی جریان در فلوم های حاوی نیم استوانه های جانبی (SMBF) تحت شرایط آزاد و مستغرق با استفاده از مدل های ماشین بردار پشتیان (SVM)، رگرسیون انطباقی چندمتغیره اسپلاین (MARS) و مدل شبکه عصبی مصنوعی چندلایه (MLPNN)، شبیه سازی و تخمین زده شد. در حالت جریان آزاد از پارامترهای بی بعد مستخرج از آنالیز ابعادی شامل نسبت عمق جریان در بالادست به عرض گلوگاه و نسبت انقباض (عرض گلوگاه به عرض کانال) و در حالت مستغرق علاوه بر این دو پارامتر از پارامترهای عمق پایاب به عرض گلوگاه و عمق پایاب به عمق بالادست به عنوان ورودی و از فرم بی بعد دبی جریان به عنوان خروجی مدل ها استفاده شد. نتایج نشان داد که در حالت جریان آزاد در مرحله صحت سنجی مدل MARS با شاخص های آماری ۰/۹۸۵= R۲، ۰/۰۰۸=RMSE، % ۰/۸۷=MAPE و مدل SVM با شاخص های آماری ۰/۹۷۱=R۲، ۰/۰۰۱۲=RMSE، % ۱/۳۷۶=MAPE و مدل MLPNN با شاخص های آماری ۰/۹۷۳= R۲، ۰/۰۱۱=RMSE، % ۱/۳۰۴=MAPE دبی جریان را شبیه سازی و پیش بینی کرده اند. در حالت مستغرق شاخص های آماری مدل MARS توسعه داده شده عبارت از ۰/۹۷۸= R۲، ۰/۰۱۸=RMSE، % ۳/۶=MAPE و شاخص های آماری مدل SVM عبارت از ۰/۹۸۸= R۲، ۰/۰۱۴=RMSE، % ۴/۲=MAPE و شاخص های آماری مدل MLPNN عبارت از ۰/۹۶۶= R۲، ۰/۰۲۲=RMSE و % ۵/۷=MAPE هستند. در توسعه مدل های SVM و MLPNN به ترتیب از توابع کرنل شعاعی و تانژانت هایپربولیک استفاده شد.
شبیه سازی و تخمین دبی جریان در فلوم های SMBF به کمک مدل های محاسبات نرم Keywords:
Artificial neural network , SMBF flumes , Water transfer channel , Support vector machine , Side half cylinders , شبکه عصبی مصنوعی , فلوم هایSMBF , کانال انتقال آب , ماشین بردار پشتیبان , نیم استوانه های جانبی.
شبیه سازی و تخمین دبی جریان در فلوم های SMBF به کمک مدل های محاسبات نرم authors
بابک شاهی نژاد
Lorestan University
عباس پارسایی
Shahid Chamran University of Ahvaz
حجت الله یونسی
Lorestan University
زهرا شمسی
Lorestan University
آزاده ارشیا
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 :