کاربرد شبکه عصبی و مدل تطبیقی فازی- عصبی در تخمین عمق آبشستگی پاییندست پرتاب کنندههای جامی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,538

فایل این مقاله در 8 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:

NCUD03_021

تاریخ نمایه سازی: 11 دی 1390

چکیده مقاله:

از جمله مستهلک کنندههای انرژی سرریزهای با پرتاب کننده جامی (Flip Bucket هستند که ایمنی لازم را دارند و ازنظر اقتصادی مقرون به صرفه میباشند. برای پیشبینی ابعاد آبشستگی در پایین دست این سرریزها مطالعات زیادی انجام شده است که حاصل این مطالعات ارائه فرمولهای مختلف برای پیشبینی موقعیت و شکل آبشستگی است. دراین مقاله میزان عمق ماکزیمم آبشستگی براساس پارامترهایdw ،d50 ،R1 ،H و زاویه پرتاب کننده با استفاده از روش سیستم استنتاج فازی-عصبی تطبیقیANFIS) و شبکه عصبی تخمین زده شده است. نتایج دادههای آزمایشی جمع آوری و پارامترهای تأثیر گذار بر عمق آبشستگی در پاییندست پرتاب کنندهای جامی مورد بررسی قرار گرفت. بررسی - ها نشان داد که عمق آبشستگی تابعی از پارامترهایی مانند عدد فرود جریان ریزشی، نسبت هد آب بالادست به عمق آب پاییندست، نسبت زوایه پرتاب کننده به هد آب، نسبت میانگین اندازه دانهها به هد آب و زاویه پرتاب کننده است. نتایج این تحقیق میتواند برای تخمین عمق آبشستگی در پایین دست پرتاب کنندهای جامی قابل استفاده باشد

نویسندگان

مجتبی گودرزی

دانشجوی کارشناسی ارشد عمران-سازههای هیدرولیکی، دانشگاه سیستان و بلو

مهدی اژدری مقدم

استادیار گروه مهندسی عمران، دانشگاه سیستان و بلوچستان

محمدرضا کاویانپوراصفهانی

دانشیار گروه عمران-آب دانشگاه صنعتی خواجه نصیرالدین طوسی

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 :
  • ریاحی مدوار، ح. استفاده از سیستم تطبیقی استنتاج فازی (ANFIS) ...
  • مومنی وصالیان، ر؛ موسوی جهرمی، ح؛ شفاعی بجستان، م. آبشستگی ...
  • ه. مهرآیین، م؛ قدسیان، م. بررسی آزمایشگاهی اثر غیر یکنواختی ...
  • حسین‌پور نیکنام، ح. استفاده از مدل فازی- عصبی و شاخص‌های ...
  • منهاج، م.ب. هوش محاسباتی (مبانی شبکه‌های عصبی)، جلد اول، چاپ ...
  • Azamathulla, H. M.; GGhani A. A.; Azazi Zakaria, N.; ANFIS-based ...
  • Azamathulla, H. M.; Deo, M.C.; Deolalikar, P.B.; Alternative neural networks ...
  • Mason, P.J.; Kanapthyphilly, _ Free Jet Scoure Below Dams and ...
  • Azamathulla, H. M.; Ghani, A. _ Azazi Zakaria, N.; Prediction ...
  • Chang, F.J.; Chang, Y.T.; Adaptive neuro-fuzzy inference system for prediction ...
  • Jang, J.S.R.; Fuzzy Modeling Using Generalized Neural Networks and Kalman ...
  • نمایش کامل مراجع