ارزیابی عملکرد سیستم های هوش مصنوعی برای شبیه سازی عمق آبشستگی ناشی از جت ریزشی جامی شکل، با کنترل دریچه

در این تحقیق عمق حفره آبشستگی در پایین دست پرتاب کننده جامی به کمک داده ها ی آزمایشگاهی و توسط سیستمهای هوش مصنوعی شبیه سازی شده است. بدین منظور با استفاده از شبکه های عصبی مصنوعی (ANN) و مدل ترکیبیشبکه عصبی - الگوریت انبوه ذرات (ANN-PSO) برای دو حالت داده های با بعد و بی بعاد عماق آبشستگی محاسبهشده و با انجام آنالیز حساسیت سنجی به بررسی تاثیر پارامترها در عمق آبشستگی پرداخته شده است. نتیجه حاصله حاکی ازاین است که مدل ANN-PSO دارای عملکرد بهتری در مقایسه با مدل ANN در پیش بینی عمق آبشستگی می باشد.

کلیدواژه ها:

پرتاب کننده جامی ، عمق آبشستگی ، مدل ANN ، مدل ANN-PSO ، حساسیت سنجی