تخمین عمق آبشستگی ناشی از جت قائم مستغرق با استفاده از ماشین بردار پشتیبان
Publish place: The first national conference on architecture, civil engineering and urban environment
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 749
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ARCHITECTURE01_616
تاریخ نمایه سازی: 25 تیر 1393
Abstract:
جریان عبوری از سیستم های تخلیه سیلاب اغلب به صورت جت های ریزشی خارج می شود که این امر میت واند منجر به آبشستگی با ابعاد مختلف در رودخانه پایاب و اطراف این سازه ها گردد ابعاد و مشخصات حفره آبشستگی متاثر از متغیرهای متعددی از قبیل پارامترهای جریان مشخصات بستر آبرفتی، زمان و هندسه آبراهه و همچنین ارتفاع ریزش می باشد جریان مازاد ریزشی از سازه های هیدرولیکی و پیش بینی ابعاد حفره آبشستگی یکی از موضوعات مورد توجه مهندسی برای مدت زمان طولانی بوده است از آنجایی که ساخت مدل فیزیمی کشملات و محدودیت هایی به همراه دارد و معمولا در تعیین نگاشت میان پارامترهایم وثر بر آبشستگی نمی توان اثر دقیق همه پارامترها را درنظر گرفت لذا در مقاله حاضر بهینه یابی ابعاد حفره آبشستگی ناشی از جت های ریزشی با استفاده از ماشین بردار پشتیبان لحاظ شده است در این راستا از داده های آزمایشگاهی حاصل از بررسی جت قائم عمومی مستغرق بر عمق آبشستگی های استفاده شده است بررسی های آماری صورت گرفته نشان می دهد که حداکثر خطای حاصله در اثر استفاده از مدل شبکه عصبی مصنوعی در تخمین عمق حفره آبشستگی 0/86 درصد و حداکثر خطای مقدار نظیر بهنگام استفاده از معادله رگرسیون غیرخطی معادل 4/48 درصد می باشد از طرفی بین مقادیر ابعاد حفره آبشستگی پیش بینی شده توسط ماشین بردار پشتیبان از ضریب همبستگی 0/96 برخوردار است.
Keywords:
Authors
ایراندخت دهقانی
دانشجوی دوره کارشناسی ارشد مهندسی عمران دانشگاه صنعتی جندی شاپور
بابک لشکرآرا
استادیار گروه مهندسی عمران دانشگاه صنعتی جندی شاپور
محمد ذاکر مشفق
استادیار گروه مهندسی عمران دانشگاه صنعتی جندی شاپور
معصوصمه جعفری
دانشجوی دوره کارشناسی مهندسی عمران دانشگاه صنعتی جندی شاپور
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 :