مقایسه عملکرد مدل هیبرید شبکه عصبی و الگوریتم ژنتیک با مدل ترکیبی عصبی فازی دربرآورد طول نسبی پرش هیدرولیکی
Publish place: 10th International Congress on Civil Engineering
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 883
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICCE10_0969
Index date: 10 July 2015
مقایسه عملکرد مدل هیبرید شبکه عصبی و الگوریتم ژنتیک با مدل ترکیبی عصبی فازی دربرآورد طول نسبی پرش هیدرولیکی abstract
طول پرش به عنوان یکی از مشخصات پرش هیدرولیکی، فاصله افقی میان شروع و انتهای پرش است. گر چه طول پرش هیدرولیکی یکی ازپارامترهای حساس در طراحی می باشد، اما تخمین طول پرش با فرمولی که اساس تئوری داشته باشد، امکانپذیر نمیباشد. لذا در این پژوهش، عملکرد مدلهای هوشمند تلفیقی شبکه عصبی - الگوریتم ژنتیکANNGA و عصبی- فازیCANFIS در برآورد مشخصه طول نسبی پرش در کانالهای مستطیلی مورد مطالعه و مقایسه قرار گرفت. اعداد بیبعد رینولدز و فرود به عنوان ورودی هر یک از مدلها در نظر گرفته شد با مقایسه نتایج بدست آمده از معیارهای اعتبارسنجی، مدل تلفیقی عصبی ژنتیک با جذر میانگین مربعات خطا5/71ضریب همبستگی 0/95 میانگین قدرمطلق درصد خطا 0/156 و ضریب نش ساتکلیف 0/9 نسبت به روش ترکیبی عصبی فازی ،R=0/94،RMSE=6/97 وNSE=0/ و 85 MAPE=0/159 عملکرد بهتری را نشان داد.
مقایسه عملکرد مدل هیبرید شبکه عصبی و الگوریتم ژنتیک با مدل ترکیبی عصبی فازی دربرآورد طول نسبی پرش هیدرولیکی Keywords:
مقایسه عملکرد مدل هیبرید شبکه عصبی و الگوریتم ژنتیک با مدل ترکیبی عصبی فازی دربرآورد طول نسبی پرش هیدرولیکی authors
بهناز کمالی
کارشناسی ارشد سازه های آبی، دانشگاه بوعلی سینا همدان
حسین بانژاد
دانشیار گروه علوم و مهندسی آب، دانشگاه بوعلی سینا همدان
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 :