مدل سازی و ارزیابی ضریب دبی سرریزهای کنگره ای قوسی با روش های آزمایشگاهی و فرامدلی
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 203
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-52-7_020
تاریخ نمایه سازی: 31 اردیبهشت 1402
Abstract:
سرریزهای غیرخطی کنگرهای، ضمن برخوردار بودن از مزیتهای اقتصادی، قابلیت عبوردهی بیشتری را نسبت به سرریزهای خطی دارند. الگوریتمهای هوشمند به دلیل توانایی زیاد در کشف رابطههای دقیق پیچیدهی مخفی بین پارامترهای مستقل موثر و پارامتر وابسته و همچنین صرفهجویی مالی و زمانی، جایگاه بسیار ارزشمندی بین پژوهگشران پیدا کردهاند. در این پژوهش عملکرد الگوریتمهای پشتیبان بردار ماشین (SVM) و برنامهریزی بیان ژن (GEP) در پیشبینی ضریب دبی سرریزهای کنگرهای قوسی به کمک ۲۲۶ سری دادهی آزمایشگاهی بررسی میشود. پارامترهای هندسی و هیدرولیکی مورد استفاده در این پژوهش شامل بار آبی کل (Ht)، ارتفاع سرریز (P)، زاویه سیکل قوسی (θ)، زاویه دیواره سیکل (α)، عدد فرود (Fr)، طول دیواره سیکل (Lc)، عرض یک سیکل (w)، طول دماغه سرریز (A)، افزایش ارتفاع سرریز به مقدار ۱۵ %، تغییر فرم تاج سرریز به شکل ربع دایرهای (U) بودند. نتایج آزمایشگاهی نشان داد که زاویه سیکل قوسی (θ) و زاویه دیواره سیکل (α) پارامترهای موثر در تعیین ضریب دبی بوده و بیشینه ضریب دبی، متعلق به سرریز کنگرهای قوسی با زاویه سیکل قوسی۴۰ درجه میباشد. نتیجه شبیهسازی عددی نشان داد ترکیب پارامترهای (c، u، ، ، ، ) و (c، u، Fr، ، ، ) به ترتیب در الگوریتمهای SVM و GEP در مرحلهی آزمون با شاخصهای ارزیابی (۹۷۹۱/۰=۲R، ۰۳/۰RMSE=، ۹۷۷۶/۰DC=) و (۹۸۷۱/۰=۲R، ۰۲۳۱/۰RMSE=، ۹۸۵۶/۰DC=) در مقایسه با دیگر ترکیبها منجر به بهینهترین خروجی شده است که نشان دهنده دقت بسیار مطلوب هر دو الگوریتم در پیشبینی ضریب دبی جریان است.
Keywords:
Authors
مهدی ماجدی اصل
استادیار، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه مراغه، مراغه، ایران
مهدی فولادی پناه
گروه عمران، واحد رامهرمز، دانشگاه آزاد اسلامی، رامهرمز، ایران
رسول دانشفراز
استاد، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه مراغه
خلیل جنت
دانشجوی کارشناسی ارشد عمران آب، دانشگاه مراغه
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 :