ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

پیش بینی مشخصات کانال های پایدار با استفاده از محاسبات نرم

Year: 1395
COI: JR_JWSC-23-4_007
Language: PersianView: 126
This Paper With 17 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 17 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

سید مرتضی سیدیان - هیات علمی
معصومه فراستی - هیات علمی دانشگاه رازی کرمانشاه
علی حشمت پور - هیات علمی
ابوالحسن فتح آبادی - هیات علمی

Abstract:

سابقه و هدف: از موضوعات مهم در مهندسی رودخانه تعیین مشخصات آبراهه پایدار شامل عرض، عمق و شیب است که بیش از یک قرن مورد توجه بوده است. طراحی پایدار یک آبراهه در کارهای مختلفی مانند مهندسی رودخانه، کنترل سیل و انتقال آب مورد استفاده قرار می گیرد. آبراهه های پایدار معمولا توسط روابط تجربی که گاهی دقت بسیار کمی دارند طراحی می شود. هدف اصلی این تحقیق ارزیابی دو روش ANFIS و SVM در تخمین مشخصات آبراهه پایدار است. مواد و روش ها: تعداد 325 داده اندازه گیری شده از مشخصات آبراهه های طبیعی و تحقیقات آزمایشگاهی برای آموزش، ارزیابی و آزمایش دو روش ANFIS و SVM مورد استفاده قرار گرفت. سیستم نوروفازی که ترکیب شبکه عصبی با منطق فازی می باشد اولین بار توسط ژانگ 1993 معرفی شد. ماشین بردار پشتیبان در الگوریتم های رگرسیون و طبقه بندی استفاده می گردد. 60% داده ها برای آموزش، 20% برای ارزیابی و 20% باقیمانده برای آزمایش استفاده شد. برای برآورد مشخصات آبراهه از دو ورودی شامل: 1- دبی و 2- دبی و قطر متوسط رسوب استفاده شد. از روابط تجربی افضلی مهر و همکاران، بری و سیمونز و آلبرتسون برای مقایسه با دو روش ANFIS و SVM استفاده گردید. یافته ها: روش های ANFIS و SVM با ورودی (2) نسبت به (1) عرض را به ترتیب حدود 50% و 80% و عمق را به ترتیب 61% و 40% با خطای کمتری تخمین زدند. دقت پیش بینی ANFIS و SVM در دامنه های مختلف عرض و عمق متفاوت است. هر دو روش نتوانستند شیب را پیش بینی کنند. رابطه تجربی بری که عمق و عرض را با دقت قابل قبولی پیش بینی می کند در تخمین شیب دارای دقت کمی است. نتیجه گیری: نتایج نشان داد هر دو روش با ورودی (2) تغییرات هندسی آبراهه را با دقت قابل قبولی شبیه سازی می کنند و عرض و عمق را به خوبی تخمین می زنند. به طور کلی قابلیت تخمین عرض بیشتر از عمق است و هر دو روش با ورودی (1) و (2) قادر به تخمین شیب کانال پایدار نمی باشند. در اعماق کمتر از 2 متر تاثیر قطر متوسط رسوب نسبت به دبی بر پیش بینی عمق کم است. تغییرات شیب فقط به دبی و قطر متوسط رسوب بستگی ندارد و پارامترهای دیگری در تغییرات آن تاثیر دارند. تاثیر پارامترهای ناشناخته بر شیب-های بیشتر از 5/0% بیشتر است زیرا هر دو روش هیچ تخمین قابل قبولی ارائه نکرده اند. رابطه بری نسبت به دو رابطه سیمونز و آلبرتسون و افضلی دارای دقت بیشتری در پیش بینی مشخصات آبراهه است. مقایسه ANFIS با روابط تجربی نشان داد مشخصات آبراهه پایدار توسط ANFIS با دقت بیشتری نسبت به روابط تجربی پیش بینی می شود.

Keywords:

Paper COI Code

This Paper COI Code is JR_JWSC-23-4_007. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/955091/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
سیدیان، سید مرتضی و فراستی، معصومه و حشمت پور، علی و فتح آبادی، ابوالحسن،1395،پیش بینی مشخصات کانال های پایدار با استفاده از محاسبات نرم،https://civilica.com/doc/955091

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support