پیش بینی ضریب دبی سرریزهای مثلثی در پلان با استفاده از مدل ترکیبی مبتنی بر سیستم نرو-فازی و الگوریتم تکامل تفاضلی

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 276

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_HYDROP-6-22_001

تاریخ نمایه سازی: 10 اسفند 1399

چکیده مقاله:

سرریزها برای تنظیم جریان و اندازه­گیری دبی در داخل مجاری باز مورد استفاده قرار می­گیرند. همچنین سرریزها به شکل­های مستطیلی، مثلثی، دایروی و مثلثی در پلان به کار گرفته می­شوند. در این مطالعه ضریب دبی سرریزهای مثلثی در پلان با استفاده از یک مدل ترکیبی مبتنی بر سیستم استنباط فازی- عصبی تطبیقی و الگوریتم تکامل تفاضلی پیش­بینی شد. در این تحقیق، برای ارزیابی توانایی مدل ترکیبی از شبیه­سازی­های مونت کارلو استفاده شد. علاوه بر این، از روش اعتبار سنجی چند لایه ای با k برابر ۵ برای بررسی قابلیت مدل­های ترکیبی بهره گرفته شد. سپس با استفاده از پارامترهای موثر بر ضریب دبی، شش مدل ترکیبی معرفی گردید. بر اساس نتایج شبیه­سازی، مدل برتر مقدار ضریب دبی را به­ عنوان تابعی از عدد فرود جریان، زاویه راس سرریز، نسبت طول سرریز به ارتفاع آن، نسبت هد جریان به ارتفاع سرریز و نسبت عرض کانال به طول سرریز تخمین زد. مقادیر درصد میانگین مطلق خطا، خطای جذر میانگین مربعات و ضریب همبستگی برای مدل برتر به­ترتیب مساوی ۶۴۴/۱، ۰۱۶/۰و ۹۷۲/۰ محاسبه شد. بر اساس تجزیه و تحلیل نتایج مدل­سازی، عدد فرود جریان موثرترین پارامتر در مدل­سازی ضریب دبی سرریزهای مثلثی در پلان شناسایی شد.

کلیدواژه ها:

Adaptive Neuro-Fuzzy Inference Systems ، Differential evolution algorithm ، Discharge coefficient ، Triangular plan form weir ، الگوریتم تکامل تفاضلی ، سیستم استنباط فازی- عصبی تطبیقی ، سرریز مثلثی در پلان ، ضریب دبی

نویسندگان

بهروز یعقوبی

Kermanshah Branch, Islamic Azad University

فرشاد حیاتی

Kermanshah Branch, Islamic Azad University

محمدعلی ایزدبخش

Kermanshah Branch, Islamic Azad University

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 :
  • 1. Azhdary Moghaddam M, Amanian N, Jafari Nodoushan E. (2010). Geometry ...
  • 2. Bagheri, S., & Heidarpour, M. (2010). Flow over rectangular sharp-crested ...
  • 3. Cobaner M (2011) Evapotranspiration Estimation by two Different Neuro-Fuzzy Inference ...
  • 4. Emiroglu ME, Kisi O. 2013. Prediction of Discharge Coefficient for ...
  • 5. Hay N, Taylor G. 1970. Performance of labyrinth weirs. Journal ...
  • 6. Hu YC (2007) Sugeno Fuzzy Integral for Finding Fuzzy if–Then ...
  • 7. Jang JSR (1993) ANFIS: adaptive-network-based fuzzy inference system. IEEE Trans ...
  • 8. Jang JSR, Sun CT, Mizutani E (1997) Neuro-Fuzzy and Soft ...
  • 9. Kumar, S., Ahmad, Z., Mansoor, T. 2011. A new approach ...
  • 10. Rehbock, T. (1929). Discussion of "precise weir measurements" by E.W. ...
  • 11. Storn, R., Price, K. (1995) “Differential Evolution – A Simple ...
  • Price, K.V., Storn, R., Lampinen, J. (2005) “Differential Evolution: A ...
  • 12. Strelkoff, T. (1964). Solution of highly curvilinear gravity flows. Journal ...
  • 13. Tullis BP, Amanian N, Waldron D. 1995. Design of labyrinth ...
  • 14. Tullis BP, Young JC, Chandler MA. 2007. Head-discharge relationships for ...
  • 15. Wormleaton PR, Tsang CC. 2000. Aeration performance of rectangular planform ...
  • 16. Zaji AH, Bonakdari H. (2014). Performance evaluation of two different ...
  • 17. Hosseini K, Nodoushan EJ, Barati R, Shahheydari, H. (2016). Optimal ...
  • 1. Bagheri, S., & Heidarpour, M. (2010). Flow over rectangular sharp-crested ...
  • 2. Cobaner M (2011) Evapotranspiration Estimation by two Different Neuro-Fuzzy Inference ...
  • 3. Emiroglu ME, Kisi O. 2013. Prediction of Discharge Coefficient for ...
  • 4. Hay N, Taylor G. 1970. Performance of labyrinth weirs. Journal ...
  • 5. Hu YC (2007) Sugeno Fuzzy Integral for Finding Fuzzy if–Then ...
  • 6. Jang JSR (1993) ANFIS: adaptive-network-based fuzzy inference system. IEEE Trans ...
  • 7. Jang JSR, Sun CT, Mizutani E (1997) Neuro-Fuzzy and Soft ...
  • 8. Kumar, S., Ahmad, Z., Mansoor, T. 2011. A new approach ...
  • 9. Rehbock, T. (1929). Discussion of "precise weir measurements" by E.W. ...
  • 10. Storn, R., Price, K. (1995) “Differential Evolution – A Simple ...
  • Price, K.V., Storn, R., Lampinen, J. (2005) “Differential Evolution: A ...
  • 11. Strelkoff, T. (1964). Solution of highly curvilinear gravity flows. Journal ...
  • 12. Tullis BP, Amanian N, Waldron D. 1995. Design of labyrinth ...
  • 13. Tullis BP, Young JC, Chandler MA. 2007. Head-discharge relationships for ...
  • 14. Wormleaton PR, Tsang CC. 2000. Aeration performance of rectangular planform ...
  • 15. Zaji AH, Bonakdari, H. (2014). Performance evaluation of two different ...
  • نمایش کامل مراجع