An ANFIS-based Approach for Predicting the Manning Roughness Coefficient in Alluvial Channels at the Bank-full Stage
- سال انتشار: 1391
- محل انتشار: ماهنامه بین المللی مهندسی، دوره: 26، شماره: 2
- کد COI اختصاصی: JR_IJE-26-2_010
- زبان مقاله: انگلیسی
- تعداد مشاهده: 987
نویسندگان
Department of Civil Engineering, Faculty of Engineering, Urmia University, PO Box ۱۶۵, Urmia ۵۷۵۶۱-۱۵۳۱۱, Iran
Expert of civil engineering, Pars Oil and Gas Company (P.O.G.C), Phase ۱۳, Pars Special Econemic Energy Zone, Asaluye, Iran
Department of Civil Engineering, Faculty of Engineering, PO Box ۱۶۵, Urmia ۵۷۵۶۱-۱۵۳۱۱, Iran
چکیده
An intelligent method based on adaptive neuro-fuzzy inference system (ANFIS) for identifying Manning’s roughness coefficient, n, in modeling of alluvial channels e.g. rivers is presented. Theprocedure for selecting values of the Manning n is subjective and requires engineering judgments andskills developed primarily through experience. During practical applications, researchers often find thata correct choice of the Manning n can be crucial to make a sound prediction of hydraulic problems. Inthis paper, an ANFIS model is set up to predict the Manning coefficient of river channels, with the mean bed particle size, mean flow depth and channel bed slope, as some three input parameters. The regression equations are also applied to the same data. Statistic measures are then used to evaluate theperformance of the models. Based on the comparison of the results, it is well found that the ANFISmodel presented here gives some better estimates than the other empirical relationships. Also, a sensitivity analysis showed that mean flow depth has a greater influence on the Manning coefficient than the other independent parameters in ANFIS model.کلیدواژه ها
Manning Coefficient,ANFIS Model,Alluvial Channel,River,Bank-full Stageمقالات مرتبط جدید
- بررسی به کارگیری سیستم ذخیره سازی انرژی با استفاده از منابع انرژی تجدیدپذیر
- اقدامات لازم برای حفاظت از محیط زیست دریایی
- ارائه طرح مبتنی بر رایانش ابری جهت ارتقاء بهره وری صنایع خودروسازی (مطالعه موردی: مدیران خودرو)
- مروری بر تکنولوژی ماکرویو برای خردایش سنگ های کمیاب
- کاربرد و بکارگیری تکنولوژی های اینترنت اشیا ، یادگیری ماشین و پردازش تصویر در امنیت و کنترل خودرو
اطلاعات 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.