برآورد مقادیر نشت از سدهای خاکی با استفاده از روش های هوش مصنوعی
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 540
This Paper With 15 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:
شناسه ملی سند علمی:
JR_JISE-42-1_007
تاریخ نمایه سازی: 12 تیر 1398
Abstract:
استفاده از پتوی رسی در مخازن سدها یکی از روش های اصلی کاهش نشت می باشد. در این مطالعه ابتدا با مدل سازی پتوی رسی در مخزن سد توسط روش المان محدود، با استفاده از تغییر پارامتر های موثر، 320 داده نشت به دست آمد. اعتبار سنجی روش المان محدود نیز با مقایسه نتایج نشت حاصل از روش المان محدود و نتایج آزمایشگاهی صورت گرفت. برای بررسی مناسب ترین مدل برای پیش بینی مقادیر نشت (حاصل از مدل سازی ها) از پنج روش هوش مصنوعی شامل: پرسپترون چند لایه (MLP)، برنامه نویسی بیان ژن(GEP)، تابع شعاعی(RBF)، رگرسیون بردار پشتیبان(SVR) و یک روش ترکیبی هوشمند از الگوریتم کرم شب تاب (FFA) با پرسپترون چند لایه (MLP-FFA) استفاده شد. برای همه روش های هوشمند مصنوعی، 75 درصد داده ها به عنوان آموزش و 25 درصد به عنوان تست در نظر گرفته شد. ترکیب های مختلف از داده های ورودی شامل نسبت ضریب نفوذپذیری پی به ضریب نفوذپذیری پتوی رسی ( )، نسبت طول پتوی رسی به تراز آب بالا دست ( )، ضخامت پی آبرفتی به ضخامت پتوی رسی ( )، طول پتوی رسی به عرض هسته ( ) و نسبت افقی به عمودی ضریب نفوذپذیری پی آبرفتی ( ) برای مقایسه روش های ذکر شده مورد استفاده واقع شد. نتایج حاصل از روش های هوشمند با شاخص های زیر مورد بررسی قرار گرفتند: ریشه میانگین مربعات خطا (RMSE)، میانگین قدر مطلق خطا (MAE)، ضریب تبیین (R2)، نش ساتکلیف (NS)، شاخص ویلموت (WI) و دیاگرام تیلور. نتایج حاصل از مطالعه نشان داد که استفاده از روش هوشمند کرم شب تاب (FFA)، نتایج بسیار شبیه به مقادیر موجود دارد و می توان در بهینه سازی پیش بینی مقادیر نشت از آن استفاده کرد.
Keywords:
Authors
میثم نوری
فارغ التحصیل کارشناسی ارشد، دانشگاه تبریز
فرزین سلماسی
دانشیار گروه مهندسی آب، 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 :