پیش بینی ابعاد حفره آبشستگی پائین دست سرریز با استفاده از سیستم تطبیقی استنتاج فازی-عصبی (ANFIS)
Publish place: 1st National Conference of Dam and Hydraulic Structures
Publish Year: 1386
Type: Conference paper
Language: Persian
View: 2,047
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
NCDHS01_004
Index date: 30 March 2007
پیش بینی ابعاد حفره آبشستگی پائین دست سرریز با استفاده از سیستم تطبیقی استنتاج فازی-عصبی (ANFIS) abstract
یکی از روشهای رایج تنظیم سطح آب و اندازه گیری دبی در کانالهای آبرفتی و فرسایش پذیر استفاده از سرریزهای لبه تیز است. ریزش جریان از روی این سازه ها و برخورد آن با بستر قابل فرسایش پائین دست باعث ایجاد آبشستگی و تغییر توپوگرافی بستر پائین دست می گردد. فرسایش موضعی پائین دست این گونه سازه ها پدیده ای پیچیده بوده و تخمین ابعاد حفره آبشستگی منتجه از آن نیز مشکل می باشد که اغلب با استفاده از معادلات تجربی تعیین می شود. امروزه استفاده از سیستمهای تطابقی استنتاج فازی (ANFIS) بعنوان راهکاری جدید در تحلیل مسائل آبی، گسترش یافته است. در این تحقیق از سیستم تطبیقی استنتاج فازی و از داده های محققین دیگر برای پیش بینی ابعاد حفره آبشستگی پائین دست اینگونه سازه ها استفاده شده است. در توسعه مدل استنتاج فازی، چندین روش خوشه بندی جزئ مورد ارزیابی قرار گرفت و در هر مورد ساختاری که بالاترین مقدار و کمترین مقدار متوسط جذر مربع خطا (RMSE) را تولید می نمود بعنوان مدل بهینه گزینش گردید. مدل ارائه شده قادر است الگوی آبشستگی پائین دست سرریز را بخوبی شبیه سازی نموده و مشخصات هندسی حفره آبشستگی را با دقت بالا برآورد می نماید. مقایسه نتایج حاصله از مدل با روابط روابط رگرسیونی بیانگر دقت بالای مدل نسبت به روشهای رگرسیونی سابق است.
پیش بینی ابعاد حفره آبشستگی پائین دست سرریز با استفاده از سیستم تطبیقی استنتاج فازی-عصبی (ANFIS) Keywords:
پیش بینی ابعاد حفره آبشستگی پائین دست سرریز با استفاده از سیستم تطبیقی استنتاج فازی-عصبی (ANFIS) authors
حسین ریاحی مدوار
دانشجوی دوره دکتری سازه های آبی ، دانشگاه تربیت مدرس
سید علی ایوب زاده
استادیار گروه سازه های آبی، دانشگاه تربیت مدرس
عباس خاشعی
دانشجوی دوره دکتری آبیاری و زهکشی ، دانشگاه تربیت مدرس
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 :