پیش بینی ضریب دبی سرریز دریچه قوسی در پلان با استفاده از برنامه ریزی ژنتیک
محل انتشار: سومین همایش سراسری کشاورزی و منابع طبیعی پایدار
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 645
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NACONF03_243
تاریخ نمایه سازی: 30 دی 1394
چکیده مقاله:
سازه ترکیبی سرریز ، دریچه دارای برتری هایی نسبت به استفاده جداگانه از این سازه ها، از جمله عبور هم زمان مواد شناور و رسوبات می باشد . یکی از انواع مدل های ترکیبی ، سازه ترکیبی قوسی در پلان است که دارای ویژگی هایی از جمله اقتصادی بودن، طراحی آسان، سهولت ساخت، ضریب دبی بالا و غیره می باشد . در تحقیق حاضر جهت پیش بینی ضریب دبی سازه ترکیبی سریز - دریچه قوسی در پلان، از روش نوین برنامه ریزی ژنتیکی استفاده شده است . در این مقاله سرریز - دریچه های قوسی در پلان با زوایای مرکزی 135-0 درجه ارتفاع 13 سانتی متر و بازشدگی ثابت ( 1 سانتی متر ) از نظر ضریب دبی مورد بررسی قرار گرفتند . با استفاده از برنامه ریزی |ژنتیک ، معادله کلی بار تخمین ضریب دبی سریز - دریچه قوسی در پلان ارائه گردید . جهت بررسی بیش تر این فرایند از نرم افزار اکسل نیز استفاده شده و مدلی ارائه گردیده است . در مقایسه نتایج دو مدل، ضریب تبیین و جذر میانگین مربعات خطا برای حالت بهینه مدل برنامه ریزی ژنتیکی به ترتیب 0/932 و 0/00469 و برای حالت بهینه مدل ارائه شده توسط نزرم افزایر اکسل به ترتیب 0/91 و 0/0055 می باشد . لذا برنامه ریزی ژنتیک از دقت بیشتری نسبت به مدل ارائه شده توسط اکسل برخوردار بوده و به عنوان روشی مناسب و دقیق جهت پیش بینی و تخمنی میزان ضریب دبی سازه های ترکیبی پیشنهاد می گردد.
کلیدواژه ها:
نویسندگان
محمد فتاحی
دانشجوی کارشناسی ارشد گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
امیراحمد دهقانی
دانشیار ، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
مهدی مفتاح هلقی
دانشیار ، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
عبدالرضا ظهیری
استادیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
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 :