پیشبینی رفتار کانالهای پایدار رژیمی با استفاده از شبکه های عصبی مصنوعی
Publish place: 4th National Congress on Civil Engineering
Publish Year: 1387
Type: Conference paper
Language: Persian
View: 1,866
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:
NCCE04_777
Index date: 11 October 2007
پیشبینی رفتار کانالهای پایدار رژیمی با استفاده از شبکه های عصبی مصنوعی abstract
کانالهای آبرفتی دگردیس پذیر ( رژیمی ) ، بعنوان کانالهائی که شیب، عمق و عرض خود را به صورتی تغییر داده و تنظیم مینمایند که شرایط پایداری را تحت شدت جریان و رسوب مشخصی بدست آورند، معرفی میشوند . به دلیل پیچیدگی پدیده و دینامیک بودن آن، از معیارهای تجربی، نیمهتجربی و آماری که دقت مطلوبی ندارند، برای تعیین ابعاد کانالهای رژیمی استفاده میشود . به همین منظور در این مقاله بر اساس سیستم خبره شبکههای عصبی مصنوعی، متدولوژی جدیدی برای تخمین ابعاد کانالهای پایدار رژیمی ارائه شده است . مدل فوقالذکر با استفاده از دادههای صحرائی وسیعی 371) مورد ) توسعه یافته و ارزیابی شده است . همچنین با استفاده از روشهای ترسیمی و آماری نتایج مدل و قدرت پیشبینی آن با معادلات تجربی و نیمه تجربی ( تئوری حدی ) سایمونز و آلبرتسون، پارکر ، کلرهالز، بری، نیل، هی و تورن، چانگ مقایسه شده و ارجحیت آن بر روشهای تجربی سابق تائید شده است . متدولوژی مطرح شده در این مقاله رهیافت جدیدی در طراحی و برآورد دقیق ابعاد کانالهای پایدار رژیمی به شمار میآید .
پیشبینی رفتار کانالهای پایدار رژیمی با استفاده از شبکه های عصبی مصنوعی Keywords:
پیشبینی رفتار کانالهای پایدار رژیمی با استفاده از شبکه های عصبی مصنوعی authors
حسین ریاحی مدوار
دانشجوی دکتری رشته سازه های آبی دانشگاه تربیت مدرس
سیدعلی ایوب زاده
استادیار گروه سازه های آبی 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 :