سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

Login
PapersConferencesJournals

کاربرد هوش مصنوعی در پیش بینی ضریب دبی در سرریزهای کنگره ای با پلان هارمونیک

Publish place: Irrigation and Drainage Structures Engineering Research، Vol: 25، Issue: 96
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 29

This Paper With 22 Page And PDF Format Ready To Download

DOWNLOAD Paper

Export:

Link to this Paper:
https://civilica.com/doc/2191368

Document National Code:

JR_ARIDSE-25-96_004

Index date: 5 March 2025

کاربرد هوش مصنوعی در پیش بینی ضریب دبی در سرریزهای کنگره ای با پلان هارمونیک abstract

با رشد جمعیت، تقاضا برای ذخیره سازی آب در مخازن افزایش یافته است و نیاز به جایگزینی یا افزایش ظرفیت دبی بسیاری از سرریزها از طریق بهینه سازی هندسی و طرح افقی آنها به وجود آمده است. یکی از راهکارهای کاربردی برای افزایش راندمان سرریزها، اصلاح هندسه پلان و افزایش طول سرریز در عرضی ثابت است. این امر باعث افزایش ضریب دبی (Cd) سرریز می شود. در این مطالعه، با جمع آوری داده های آزمایشگاهی دو منبع مختلف، در مجموع از ۲۳۳ سری داده شامل مولفه های هندسی و هیدرولیکی استفاده شد. سه مدل یادگیری ماشین، شامل رگرسیون بردار پشتیبان (SVR) و مدل ناپارامتریک جنگل تصادفی (RF) و رگرسیون اسپیلاین تطبیقی چندگانه (MARS)، با پنج سناریوی ورودی مختلف برای پیش بینی دقیق ضریب دبی سرریز کنگره ای با پلان نیم دایره هارمونیک توسعه داده شد. نتایج تحقیق نشان داد که متغیرهای ورودی شامل، نسبت شعاع به ارتفاع سرریز (R/P)، نسبت عرض سرریز به ارتفاع سرریز (B/P)، تعداد سیکل (N) و نسبت هد هیدرولیکی به ارتفاع سرریز (HT/P)، در مدل MARS با مقادیر ۰/۰۰۸= RMSE و ۰/۹۴=R۲ و مدل SVR با مقادیر ۰/۰۰۹= RMSE و ۰/۹۳=R۲، نتایج بهتری را در تخمین (Cd) ارائه می کنند. مشاهده گردید در مقادیر (HT/P) پایین تر از ۰/۰۵، میزان ضریب دبی عبوری سرریز با ۴ سیکل نیم دایره (۴=N)، بیشتر از سایز سرریزها بوده است. همچنین، با استفاده از دو روش مختلف آنالیز حساسیت مشاهده گردید پارامتر عمق نسبی (HT/P) موثرترین مولفه در پیش بینی ضریب دبی بوده است.

کاربرد هوش مصنوعی در پیش بینی ضریب دبی در سرریزهای کنگره ای با پلان هارمونیک Keywords:

کاربرد هوش مصنوعی در پیش بینی ضریب دبی در سرریزهای کنگره ای با پلان هارمونیک authors

امل سواعدی

دانشجوی کارشناسی ارشد هیدروانفورماتیک، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران

محمدرضا زایری

استادیار گروه سازه های آبی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران

مهدی قمشی

استاد گروه سازه های آبی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران

مهدی دریائی

دانشیار گروه سازه های آبی-دانشکده مهندسی آب و محیط زیست-دانشگاه شهید چمران اهواز-اهواز-ایران

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 :
Arham Namazi, F. S., & Mozaffari, J. (۲۰۲۳). Investigation of ...
Friedman, J. H. (۱۹۹۱). Multivariate adaptive regression splines. The Annals ...
Ghaderi, D., Ebrahimnezhadian, H., & Mollazadeh, M. (۲۰۲۴). Three-dimensional analysis ...
Hastie, T., Tibshirani, R., Friedman, J. H., & Friedman, J. ...
Li, S., Shen, G., Parsaie, A., Li, G., & Cao, ...
Lundberg, S. (۲۰۱۷). A unified approach to interpreting model predictions. ...
Momeni, E., Nazir, R., Jahed Armaghani, D., & Maizir, H. ...
Siasar, H., & Honar, T. (۲۰۱۹). Application of support vector ...
Simsek, O., Gumus, V., & Ozluk, A. (۲۰۲۳). Prediction of ...
Suleimany, J. M. F. S., Aurahman, T. H., & S.mamand, ...
Zhang, W. (۲۰۲۰). MARS Applications in Geotechnical Engineering Systems: Multi-Dimension ...
نمایش کامل مراجع