ارزیابی عملکرد شبکه های عصبی مصنوعی و برنامه ریزی بیان ژن در مدل سازی ضریب دبی در سرریز کرامپ
Publish place: international conference on civil engineering, architecture and Urban Sustainable Development
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 892
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCAU01_0408
تاریخ نمایه سازی: 29 تیر 1393
Abstract:
سرریز کرامپ با طراحی خاص خود جهت اندازهگیری دبی عبوری کانالها و طراحی سازه های کنترل کننده جریان مورد استفاده قرار می گیرد. شیب بالادست آن کمتر از شیب پایین دست بوده که این خود باعثتسهیل در عبور ذرات و رسوبات و عدم تجمع در پشت سرریز می شود. در این مقاله از نتایج مجموعه ای از آزمایشات انجام گرفته بر روی سرریز کرامپ به منظور بررسی اثر شیب بالادست و پایین دست سرریزکرامپ بر روی مقادیر ضریب دبی، استفاده شده است. در این تحقیق کارایی شبکه عصبی مصنوعی و برنامه ریزی بیان ژن به منظور برآورد ضریب دبی سرریز کرامپ مورد ارزیابی قرار گرفت. در هر دو روشترکیب مختلفی از پارامترهای ورودی مناسب به علاوه تعداد مناسب داده برای آموزش شبکه تعیین گردید. حدود 57 % داده های آزمایشگاهی موجود برای آموزش و 27 % دیگر جهت بررسی قدرت برآورد و اعتبارسنجی استفاده گردید. نتایج حاصل از این مطالعه نشان داد که هم شبکه عصبی مصنوعی FFNN و هم برنامه ریزی بیان ژن با پارامترهای ورودی h1/p ، h1 ، y1 و Q در شرایط مختلف و با 11 ترکیب مختلف ازپارامترهای ورودی، نتایج متفاوتی از خود نشان می دهند ولی در کل به میزان قابل قبولی قادر به تخمین ضریب دبی سرریز کرامپ هستند. در بهترین سناریو مدل شبکه عصبی مصنوعی مقدار r2برابر 0/9214 وRMSE برابر 0/0128 همچنین دربهترین سناریو مدل برنامه ریزی بیان ژن مقدارR2 برابر 0/9210 وRMSE برابر 0/0092 محاسبه گردید
Keywords:
Authors
یوسف عالی نژاد
دانشجوی کارشناسی ارشد عمران سازه های هیدرولیکی دانشگاه آزاد اسلامی واحد اهر
محمدتقی ستاری
استادیار دانشگاه تبریز
فرزین سلماسی
دانشیار دانشگاه تبریز
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 :