ارزیابی بیشترین عمق آبشستگی در پایین دست دهانه خروجی کالورت با استفاده از مدل توسعه یافته NF-GMDH-PS
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,173
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:
ACPD01_099
تاریخ نمایه سازی: 28 شهریور 1394
Abstract:
در این مطالعه از روش دسته بندی گروهی داده ها (GMDH) همراه با الگوریتم توافقی نروفازی (NF) جهتتخمین عمق آبشستگی موضعی در دهانه خروجی کالورت استفاده می شود. شبکه تلفیقی NF-GMDHتوسط الگوریتم جامعه پرندگان (PSO) توسعه داده می شود. پارامتر های موثر بر عمق آبشستگی موضعیشامل سرعت جت خروجی از دهانه کالورت، عرض دهانه کالورت، ارتفاع کالورت برای مقاطع غیر دایروی و قطردهانه کالورت در مقاطع دایروی، ارتفاع آب در پایین دست کالورت، قطر میانه ذرات رسوب و انحراف معیارذرات رسوبی پایین دست دهانه خروجی کالورت و عمق جریان آب بالادست می باشند. جهت مدلسازی عمقآبشستگی، مدل های نروفازی GMDH با استفاده از 5 متغیر مستقل بی بعد و 1 متغیر وابسته به ترتیب بهعنوان پارامترهای ورودی و پارامترهای خروجی آموزش داده می شوند. عملکرد مدل پیشنهادی NF-GMDH در مرحله آموزش مقادیر پارامتر های ضریب همبستگی (R) و جذر حداقل مربعات خطا (RMSE) را به ترتیب 0/92 و 2/39 نشان داد. همچنین ضریب همبستگی (R) و جذر حداقل مربعات خطا (RMSE) حاصل شده در مرحله ارزیابی به ترتیب 0/90 و 2/33 بدست آمدند. همچنین تاثیر متغیر هایورودی شبکه بر روی عمق آبشستگی پایین دست کالورت بررسی گردید.
Keywords:
Authors
مهداد مهدوی
دانشجوی کارشناسی ارشد عمران سازه های هیدرولیکی دانشگاه آزاد اسلامی واحد سیرجان
غلامعباس بارانی
استاد دانشکده مهندسی عمران، دانشگاه شهید باهنر کرمان
محمد ذونعمت کرمانی
استادیار دانشکده مهندسی عمران، دانشگاه شهید باهنر کرمان
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 :