پیش بینی طول غلتاب پرش هیدرولیکی در بسترهای زبر با استفاده از سیستم هوشمند شبکه عصبی

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 642

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCUIMWR03_440

تاریخ نمایه سازی: 15 اسفند 1393

Abstract:

حوضچه های آرامش برای استهلاک انرژی جنبشی در پایین دست سازه های هیدرولیکی از قبیل دراپ ها، سرریزها، و دریچه ها استفاده می شوند. طول غلتاب پرش هیدرولیکی یکی از پارامترهای مهم در طراحی حوضچه های آرامش میباشد. در این تحقیق عملکرد شبکه های عصبی در پیش بینی طول غلتاب پرش هیدرولیکی توسعه یافته و توسعه نیافته در بستر زبر به ازای متغیرهای هیدرولیکی متفاوت ارزیابی شد. متغیرهای هیدرولیکی لحاظ شده شامل اندازه زبری، عدد فرود، عمق اولیه و ثانویه پرش بودند. نتایج حاصله حاکی از عملکرد قابل قبول شبکه های عصبی بوده و بهترین عملکرد مدل دارای ریشه میانگین مربعات خطا برای پرشهای توسعه یافته و توسعه نیافته به ترتیب برابر 5/29 و 2/97 بود. نتایج تحلیل حساسیت مدل برای بهترین الگوی ورودی نیز، به ازای 5 نرون در لایه میانی و تابع انتقالی از نوع سیگموئید حاصل شد

Authors

پیام خسروی نیا

دانشجوی دکتری مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

سعید فرزین

دانشجوی دکتری عمران آب، دانشکده مهندسی عمران، دانشگاه تبریز

هادی ثانی خانی

دانشجوی دکتری مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

داود فرسادی زاده

دانشیار گروه مهندسی آب، دانشکده کشاورزی، 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 :
  • اسمعیلی ورکی، م، امید، م.، امید، م.ح. 1384. برآورد مشخصات ...
  • بنی حبیب، م.، موسوی، س.، جمالی، ف.س. 1389. مدل شبکه ...
  • پرورش ریزی، ع.، کوچک زاده، ص.، امید، م.ح. 1385. برآورد ...
  • Abrahart, R. J., Kneale, P. E., and See, L. M. ...
  • Azmathullah, H. M.d., Deo, M. C., and Deolalikar, P. _ ...
  • Baareh A.K.M., Sheta A.F., and Al- khanifes, K. 200)6. Forecasting ...
  • Carollo, F.G., Ferro, V., and Pampalone, _ 2007. Hydraulic jumps ...
  • Gohari, A., and Farhoudi, J. 2009. The characteristics of hydraulic ...
  • Hager, W. H., Bremen, R., and Kawagowshi, N. 1990. Classical ...
  • Hager, W. H. 1992. Energy Dissipators and Hydraulic Jump. Water ...
  • Haykin, S.S. 1998. Neural Networks: A Co mprehensive Foundation (2nd ...
  • Hughes, W.C, and Flack, J.E. 1984. Hydraulic jump properties OVer ...
  • Jain, s.k. 2001. Development of integrated sediment rating curves using ...
  • Morris, H.M. 1995. A new concept of flow in rough ...
  • Naseri, M., and Othman, F. 2012. Determination of the length ...
  • Shaya, H., and Sabalani, S. 1998. Artificial neural network for ...
  • نمایش کامل مراجع