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

بهروز یعقوبی; فرشاد حیاتی; محمدعلی ایزدبخش

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

محل انتشار: فصلنامه سد و نیروگاه برقابی ایران، دوره: 6، شماره: 22

سال انتشار: 1398

نوع سند: مقاله ژورنالی

زبان: فارسی

مشاهده: 298

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 دانلود نمایند.

صدور گواهی نمایه سازی
من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

https://civilica.com/doc/1159160

شناسه ملی سند علمی:

JR_HYDROP-6-22_001

تاریخ نمایه سازی: 10 اسفند 1399

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

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

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

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