کاربرد شبکه های عصبی مصنوعی GMDH در مدل سازی جریان محیط های متخلخل
- سال انتشار: 1384
- محل انتشار: سیزدهمین کنفرانس سالانه مهندسی مکانیک
- کد COI اختصاصی: ISME13_267
- زبان مقاله: فارسی
- تعداد مشاهده: 2066
نویسندگان
مربی، دانشگاه صنعتی شاهرود، دانشکده مکانیک
دانشجوی دکترا دانشگاه صنعتی شاهرود، دانشکده مکانیک
چکیده
بروز آشوب های محلی محیط های متخلخل با افزایش سرعت جریان اجتناب ناپذیر می باشد . بکارگیری مدلهایی همچون قانون خطی دارسی Darcy در اینگونه محیط ها با خطا همراه بوده و از سوی دیگر تعیین ضرایب معادلات غیرخطی که جدا از عدم قطعیت ها در تقریب نیست، نیازمند تلاشهای تجربی می باشد . در این کوشش ساختاری غیرخطی، برپایه کارهای تجربی پیشینیان، برای مدل سازی جریان در محیط های متخلخل با بهره جویی از شبکه های عصبی GMDH پیشنهاد شده است . ورودی ساختار پیشنهادی، شبکه عصبی، جواب سه معادله تجربی که بیشترین همخوانی را با واقعیت دارند می باشد . دستاوردها نشان از بالاتر بودن ضریب همبستگی نسبت به مدلهای بکار رفته و همخوانی پاسخ مدل پیشنهادی با جوابهای واقعی دارد .کلیدواژه ها
محیط متخلخل - آشوب - شبکه های عصبی - GMDHمقالات مرتبط جدید
- توسعه مبدل حرارتی داخلی ( IHX ) از طریق تغییر فرآیند ساخت و تولید لوله های گاز کولر در صنعت خودروسازی
- بهبودعملکرد سیکل تبرید تراکمی با تغییر فرآیند ساخت مبدل SLHX از آرایش مماسی به هم مرکز
- بررسی تاثیر لایه میانی روی در اتصال غیر مشابه آلیاژ پایه منیزیم AZ۳۱ و آلومینیوم ۶۰۶۱ به روش جوشکاری اصطکاکی اغتشاشی نقطهای
- بررسی تجربی سوراخکاری کامپوزیتهای پلیمری: مقایسه جوت و شیشه
- سیستم هوشمند پایش وضعیت بلبرینگ با استفاده از طیفنگاره صوتی جهت طبقهبندی و تشخیص خطای بلبرینگ ها
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.