مدلسازی ضریب زبری مانینگ بااستفاده ازشبکه عصبی مصنوعی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 425
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICSDA02_149
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
امروزه نیاز به دادههای قابل قبول و بهینه برای اتخاذ تصمیمات مناسب در حوزه رودخانه ها جز مهمترین مسائل مهندسان می باشد . یکی از این موارد، اتخاذ روشی مناسب برای تخمین قابل قبول ضریب مقاومت جریان بعنوان یک پارامتر کاربردی و پر اهمیت در طرح های مرتبط با رود خانه ها است. با توجه به توانایی بالای شبیه سازی توسط شبکه عصبی مصنوعی، تخمین و پیش بینی ضریب از باری به کمک شبکه عصبی مصنوعی گامی مهم در علم مهندسی رود خانه خواهد بود. در مطالعه هیدرولیک مجاری روباز با بستر صلب، ضریب زبری را یک عدد تابت می توان تلقی کرد. پس از تعیین ضریب زبری، یکی از فرمول های مقاومت را مستقیما برای محاسبه سرعت، شیب، یا عمق می توان بکار برد. در هیدرولیک رودخانه ها، بستر متحرک بوده و مقاومت در برابر جریان یاضریب زبری متغیر است . در این تحقیقا هدف بررسی کارایی شبکههای عصبی مصنوعی در تعیین ضریب زبری در بستر رودخانه می باشد، لذا در تحقیق حاضر، با مقایسه نتایج مدل های شبکه عصبی مصنوعی و دادههای موجود، میزان دقت شبکه عصبی مصنوعی در تعیین ضریب زبری مورد بررسی قرار می گیرد و با انجام آنالیز حساسیت تاتیر هر یک از پارامترهای مستقل ورودی مدل، در تخمین ضریب زبری مورد ارزیابی قرار می گیرد. نتایج نشان می دهد مادلی که شامل تمام پارامترهای موجود در مدلسازی می شود دارای بیشترین ضریب همبستگی بوده و مدلی که تنها بر اساس عدد فرود مدل شده است کمترین ضریب همبستگی را دارد و در نهایت پیشنهاد می شود نتایج حاصل از این روش با نتایج روش های دیگر مانند مدل های رگرسیونی مقایسه شود.
کلیدواژه ها:
نویسندگان
حسین ذوقی پور
دانشجوی کارشناسی ارشد گروه عمران دانشکده فنی و مهندسی واحداهر دانشگاه آزاد اسلامی اهر ایران
زیبا کاظمی
استادیار گروه عمران دانشکده فنی و مهندسی واحداهر دانشگاه آزاد اسلامی اهر ایران