برآورد دبی جریان در فلوم های با تنگ شدگی مثلثی شکل با استفاده از روش های یادگیری ماشین

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 62

فایل این مقاله در 16 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_ARIDSE-24-90_004

تاریخ نمایه سازی: 18 تیر 1403

چکیده مقاله:

فلوم های گلو بریده که نوعی پارشال فلوم بدون بخش طولی گلوگاه می باشند، به عنوان ابزارهایی ساده و کارامد نقش بسزایی حهت اندازه گیری دبی جریان در کانال های روباز محسوب می شوند. نصب ساده، هزینه راه اندازی پایین و دقت بسیار مناسب در اندازه گیری میزان دبی جریان از ویژگی های مهم این نوع از سازه هاست. در این پژوهش از نتایج آزمایشگاهی به دست آمده از سازه فلوم گلو بریده که با قرار دادن دو صفحه مثلثی در دو طرف دیواره های کناری یک کانال مستطیلی و تشکیل مقطع مستطیلی و ذوزنقه ای به کار گرفته شد، جهت توسعه مدل های یادگیری ماشین مورد بررسی قرار گرفت. به منظور برآورد دبی جریان در این نوع از کانال ها از مدل های شامل دسته بندی گروهی داده ها (GMDH)، ماشین بردار پشتیبان (SVM) و جنگل تصادفی (RF) استفاده گردید. بدین منظور از پارامترهای هندسی و هیدرولیکی شامل عرض تنگ شدگی در محل سازه، شیب های افقی و عمودی دیواره های مثلثی شکل، عمق نسبی جریان به عنوان متغیر ورودی استفاده و دبی به عنوان متغیر خروجی (پاسخ) در نظر گرفته شد. نتایج نشان داد که مقدار آماره ریشه میانگین مربعات خطا (RMSE) برای مدل های مبتنی بر GMDH، SVM و RF به ترتیب، ۰۳۳/۰، ۰۱۶/۰ و ۰۲۰/۰ و مقدار آماره ضریب تعیین (R۲) به ترتیب، ۸۰۵/۰، ۹۵۱/۰ و ۹۰۰/۰ به دست آمد. مقایسه بین تحقیقات گذشته و نتایج حاضر حاکی از برتری عملکرد مدل مبتنی بر SVM نسبت به سایر مدل های توسعه یافته بود. عمق آب به عرض مقطع تنگ شده به عنوان مهم ترین داده ورودی مدل ها توسعه یافته شناسایی شد.

کلیدواژه ها:

جنگل تصادفی ، فلوم های گلو بریده ، شبکه های آبیاری ، دسته بندی گروهی داده ها ، ماشین بردار پشتیبان

نویسندگان

محمدرضا زایری

هیئت علمی دانشگاه شهید چمران اهواز

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 :
  • Aali, F., & Vatankhah, A. R. (۲۰۲۳). Experimental study of ...
  • Flow Measurement and Instrumentation, ۹۰, ۱۰۲۳۲۸. https://doi.org/۱۰.۱۰۱۶/j.flowmeasinst.۲۰۲۳.۱۰۲۳۲۸۲- Breiman, L. (۲۰۰۱). ...
  • Bhoria, S., Sihag, P., Singh, B., Ebtehaj, I., & Bonakdari, ...
  • Critto, A., Carlon, C., & Marcomini, A. (۲۰۰۳). Characterization of ...
  • Environmental Pollution, ۱۲۲(۲), ۲۳۵-۲۴۴ ...
  • Galán-Martín, Á., Vaskan, P., Antón, A., Esteller, L. J., & ...
  • Ivakhnenko, A. G. (۱۹۷۱). Polynomial theory of complex systems. IEEE ...
  • https://doi.org/۱۰.۱۰۸۰/۰۹۷۱۵۰۱۰.۲۰۱۷.۱۳۷۲۲۲۶۱۱-Ran, D., Wang, W., & Hu, X. (۲۰۱۸). Three-dimensional numerical ...
  • Roushangar, K., Saghebian, S. M., & Mouaze, D. (۲۰۱۷). Predicting ...
  • https://doi.org/۱۰.۱۰۱۶/j.ijsrc.۲۰۱۷.۰۹.۰۰۵۱۳-Saran, D., & Tiwari, N. K. (۲۰۲۰). Generation of a ...
  • Sangeeta, Haji Seyed Asadollah, S. B., Sharafati, A., Sihag, P., ...
  • Machine learning model development for predicting aeration efficiency through Parshall ...
  • siasar, H., & honar, T. (۲۰۱۹). Application of Support vector ...
  • Skogerboe, G. V., & Hyatt, M. L. (۱۹۶۷). Rectangular cutthroat ...
  • Valipour, M. (۲۰۱۳). Increasing irrigation efficiency by management strategies: cutback ...
  • Wang, C.D. (۲۰۰۵). Water measurement technique and measure. Beijing: Water ...
  • Willeitner, R. P., Barfuss, S. L., & Johnson, M. C. ...
  • https://doi.org/۱۰.۱۰۶۱/(ASCE)IR.۱۹۴۳-۴۷۷۴.۰۰۰۰۴۳۴۲۲-Yarahmadi, N., & Vatankhah, A. R. (۲۰۲۱). Experimental study on ...
  • نمایش کامل مراجع