برآورد ضریب تخلیه سرریز جانبی کلیدپیانویی تیپ B در انحنای ۱۲۰ درجه با استفاده از مدل های RBFو ANFIS و مقایسه با شبکه عصبی ANN

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 300

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JISE-43-1_007

تاریخ نمایه سازی: 7 اردیبهشت 1400

چکیده مقاله:

سرریزهای جانبی در شبکه­های آبیاری و زهکشی، سیستم­های آب و فاضلاب و کنترل سیلاب مورد استفاده قرار می­­گیرند و معمولا برای کنترل تراز آب، انحراف جریان و تخلیه دبی اضافه استفاده می­شوند. با توجه به اهمیت بهبود عملکرد سرریزهای جانبی، می­توان از سرریزهای کلیدپیانویی که طول موثر بیشتری دارند، استفاده کرد. قوس بیرونی کانال­های دارای انحنا، بهترین مکان­ برای تعبیه سرریزهای جانبی هستند. در این پژوهش در ابتدا با بررسی آزمایشگاهی بر روی سرریزجانبی کلیدپیانویی تیپ Bدر قطاع ۱۲۰ درجه ضریب تخلیه این سرریزها برای هر آزمایش استخراج شد.سپس توانایی مدل, RBF ANFIS و شبکه عصبی ANN در پیش­بینی ضریب تخلیه سرریز مورد ارزیابی قرار گرفت. برای این منظور دو مدلRBF و ANFIS در محیط نرم­افزار MATLABکدنویسی شد. با تحلیل نتایج به­دست آمده، هر دو مدل RBF و ANFIS دارای دقت بالاتری نسبت به شبکه عصبی ANN هستند. همچنین مشخص شد که مدل RBF با RMSE=۰.۰۴۴ و R۲=۰.۹۷۴ دارای دقت بالاتری نسبت به مدل هوشمند ANFIS با=۰.۰۵۲۹   RMSEو=۰.۹۸۱  R۲ است. شبکه عصبی مصنوعی با=۰.۰۶۹۴  RMSE و R۲=۰.۸۲ از لحاظ دقت پیش­بینی بعد از دو مدل یادشده است.

نویسندگان

یاسر مهری

دانش آموخته کارشناسی ارشد و دانشجوی دکتری سازه های آبی دانشگاه تهران

نادر عباسی

استاد موسسه تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران.

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- Bilhan, O., Emiroglu, M.E. and Kisi, O., 2011. Use ...
  • 2- Dursun, O.F., Kaya, N. and Firat, M., 2012. Estimating ...
  • 3- Ebtehaj, I., Bonakdari, H., Zaji, A.H., Azimi, H. and ...
  • 4- Ebtehaj, I., Bonakdari, H., Zaji, A.H., Azimi, H. and ...
  • 5- Emiroglu, M.E. and Kisi, O., 2013. Prediction of discharge ...
  • 6- Karbasi, M. and Azamathulla, H.M., 2016. GEP to predict ...
  • 7- Mahdavi, A. and Ahadiyan, J., 2015. Evaluation of Statistical, ...
  • 8- Onen, F., 2014. GEP prediction of scour around a ...
  • 9- Parsaie, A., 2016. Predictive modeling the side weir discharge ...
  • 10- Salmasi, F., Yıldırım, G., Masoodi, A. and Parsamehr, P., ...
  • 11- Shamshirband, S., Bonakdari, H., Zaji, A.H., Petkovic, D. and ...
  • 12- Yar Mohammadi, B., and Ahadiyan, J., 2016. Experimental Study ...
  • نمایش کامل مراجع