Simulation of hydraulic jump length on sloping coarse floors adopting extreme learning machine
- سال انتشار: 1399
- محل انتشار: دوفصلنامه تحقیقات کاربردی در آب و فاضلاب، دوره: 7، شماره: 2
- کد COI اختصاصی: JR_ARWW-7-2_003
- زبان مقاله: انگلیسی
- تعداد مشاهده: 205
نویسندگان
Department of Water Engineering, faculty of Agriculture, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran.
Department of Water Engineering, faculty of Agriculture, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran.
Department of Water Engineering, faculty of Agriculture, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran.
چکیده
In this paper, the hydraulic jump length on a slope rough floor is simulated through the extreme learning machine (ELM). Then, the parameters affecting the hydraulic jump on the slope rough bed are detected. After that, five different ELM model are developed so as to determine the influenced factor. Next, the results obtained from different ELM models are analyzed. The comparison of the results with the experimental data proves the acceptable accuracy of the mentioned numerical models. Regarding the results from the numerical method, the superior ELM model estimates the hydraulic jump length in terms of the flow Froude number, the ratio of bed roughness, the ratio of sequent depths and bed slope. The values of the root mean square error (RMSE), mean absolute percent error (MAPE), scatter index (SI) and correlation coefficient (R) for the superior model are respectively obtained ۰.۶۵۷, ۳.۵۰۷, ۰.۰۵۲ and ۰.۹۸۵. Based on the simulation, the flow Froude number at upstream is introduced as the most effective parameter in predicting the jump length on the sloping rough floor.کلیدواژه ها
Extreme Learning Machine, Hydraulic Jump Length, Rough floor, Sensitivity analysis, Sloping flumeاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.