تخمین عمق آبشستگی در اطراف سرریزهای مستغرق با استفاده از مدل نوین ماشین آموزش نیرومند
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 101
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_HYDROP-8-29_004
تاریخ نمایه سازی: 9 اسفند 1401
چکیده مقاله:
در این مطالعه با استفاده از روش نوین ماشین آموزش نیرومند الگوی آبشستگی در پائین دست سرریزهای مستغرق پیشبینی شد. در مطالعه حاضر برای بررسی توانایی دقت مدل عددی از روش شبیهسازیهای مونت کارلو بهره گرفته شد. علاوه بر این، به منظور صحت سنجی دقت مدلهای عددی از روش اعتبار سنجی ضربدری استفاده گردید. در ادامه با توجه به پارامترهای ورودی، پنج مدل عددی ماشین آموزش نیرومند توسعه داد شد. در ابتدا، بهینه ترین تعداد نرون های لایه مخفی برای مدل عددی محاسبه شد. سپس تابع فعالسازی بهینه برای مدل عددی انتخاب شد. تحلیل توابع فعالسازی نشان داد که تابعsigmoid مقادیر تابع هدف را با دقت بیشتری تخمین زد. همچنین نتایج تحلیل حساسیت نشان داد که مدل برتر مقادیر آبشستگی را بر حسبU۰/Uc, z/ht, d۵۰/ht تخمین زد. این مدل مقادیر آبشستگی در پائین دست سرریزهای مستغرق را با دقت قابل قبولی تخمین زد به عنوان مثال مقادیر ضریب تبیین و شاخص پراکندگی برای این مدل به ترتیب مساوی با ۸۸۰/۰ و ۱۲۷/۰ محاسبه شد. علاوه بر این، پارامتر بدون بعد سرعتU۰/Uc به عنوان موثرترین پارامتر ورودی شناسایی شد. در نهایت یک ماتریس برای محاسبه عمق آبشستگی برای مهندسین بدون نیاز به دانش قبلی در مورد ماشین آموزش نیرومند ارائه شد.
کلیدواژه ها:
نویسندگان
علی عزیزپور
Department of Water Engineering, College of Agriculture, Islamic Azad University, Kermanshah Branch, Kermanshah
محمد علی ایزدبخش
Department of Water Engineering, College of Agriculture, Islamic Azad University, Kermanshah Branch, Kermanshah
احمد رجبی
Department of Water Engineering, College of Agriculture, Islamic Azad University, Kermanshah Branch, Kermanshah
سعید شعبانلو
Department of Water Engineering, College of Agriculture, Islamic Azad University, Kermanshah Branch, Kermanshah
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :