برآورد بیشترین ژرفای آبشستگی در پیرامون پایه های پل با بهره وری از شبکه های وایازی کلی و پرسپترون چند لایه ای

Authors

جواد ظهیری

مناحی ظهیری

میثم سالاری جزی

abstract

در این مطالعه، شبکه های وایازی کلی (grnn) و پرسپترون چند لایه ای (mlp) برای برآورد بیشترین ژرفای آبشستگی مورد بهره وری قرار گرفتند. الگوریتم های levenberg-marquardt و momentum به عنوان الگوریتم های آموزشی، و دو تابع tanh و sigmoid نیز به عنوان توابع فعال ساز در این پژوهش جهت ساختن شبیه های عصبی به کار رفتند. تاکنون مطالعات گسترده ای در زمینه ی استفاده از شبیه های مختلف شبکه ی عصبی جهت برآورد بیشترین ژرفای آبشستگی اطراف پایه های پل صورت گرفته است که بیشتر این پژوهش ها دارای دو مشکل عمده بوده اند: در نظر گرفتن شکل استوانه ای به عنوان پایه های پل، و استفاده از اطلاعات آزمایشگاهی برای ساختن شبیه ها از مهمترین کاستی های مطالعات صورت گرفته در زمینه ی برآورد بیشترین ژرفای آبشستگی اطراف پایه های پل به حساب می آیند. بر همین اساس، در این پژوهش علاوه بر شکل استوانه ای از اشکال مستطیلی، گرد گوشه و نوک تیز نیز استفاده شده است. همچنین برای ساختن و صحت سنجی شبیه ها از اطلاعات واقعی، که مشتمل بر 475 داده ی مربوط به آبشستگی اطراف پایه های پل بوده بهره وری شده است. در این پژوهش، بر خلاف پژوهش های گذشته که از روش آزمون و لغزش برای تعیین شمار نرون های لایه ی مخفی استفاده می شد، از الگوریتم ژنتیک جهت این منظور بهره وری گردیده است. نتایج مقایسه ی شبیه های مختلف عصبی نشان-دهنده ی دقت بیشتر شبیه grnn بوده است. برای بررسی کارآیی این شبیه از معادلات تجربی موجود نیز استفاده شد، که از جمله می توان به روابط بروسرز و همکاران، فروهلیچ، ملویل و ملویل، و چیو اشاره کرد. نتایج شبیه های مختلف نشان دادند که شبیه عصبی ارائه شده از کارآیی بهتری نسبت به روابط موجود برخوردار است. جهت تعیین تاثیر فراسنج های مختلف بر آبشستگی از تحلیل حساسیت استفاده شد. نتایج این تحلیل نشان دادند که فراسنج سرعت نسبت به دیگر فراسنج های مستقل بیشترین تأثیر را بر آبشستگی اطراف پایه های پل داراد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

برآورد بیشترین ژرفای آبشستگی در پیرامون پایه های پل با بهره‌وری از شبکه‌ های وایازی کلی و پرسپترون چند لایه‌ای

در این مطالعه، شبکه‌‌های وایازی کلی (GRNN) و پرسپترون چند لایه‌ای (MLP) برای برآورد بیشترین ژرفای آبشستگی مورد بهره‌وری قرار گرفتند. الگوریتم‌های Levenberg-Marquardt و Momentum به عنوان الگوریتم‌های آموزشی، و دو تابع Tanh و Sigmoid نیز به عنوان توابع فعال‌ساز در این پژوهش جهت ساختن شبیه های عصبی به کار رفتند. تاکنون مطالعات گسترده‌ای در زمینه‌ی‌ استفاده از شبیه‌های مختلف شبکه‌ی عصبی جهت برآورد ...

full text

بررسی عملکرد شبکه های عصبی مصنوعی در برآورد بیشترین ژرفای آبشستگی پیرامون آبشکن ها

یکی از عوامل اصلی ویرانی آبشکن ها آبشستگی می باشد که فرآیندی بسیار پیچیده است. پیچیدگی الگوی جریان پیرامون آبشکنها و گوناگونی عوامل مؤثر بر آبشستگی، موجب پرشماری روابط تجربی و کاهش دامنه ی هر یک از آنها، به دلیل محدودیت شرایط آزمایشگاهی می شود. در این تحقیق امکان استفاده از شبکه های پرسپترون چندلایه(mlp) برای برآورد بیشترین ژرفای آبشستگی پیرامون سه نوع آبشکن شامل آبشکنهایی با دیواره ی عمودی، با...

full text

بررسی عملکرد شبکه‌های عصبی مصنوعی در برآورد بیشترین ژرفای آبشستگی پیرامون آبشکن ها

یکی از عوامل اصلی ویرانی آبشکن‌ها آبشستگی می‌باشد که فرآیندی بسیار پیچیده است. پیچیدگی الگوی جریان پیرامون آبشکنها و گوناگونی عوامل مؤثر بر آبشستگی، موجب پرشماری روابط تجربی و کاهش دامنه‌ی هر یک از آنها، به‌دلیل محدودیت شرایط آزمایشگاهی می‌شود. در این تحقیق امکان استفاده از شبکه‌های پرسپترون چندلایه(MLP) برای برآورد بیشترین ژرفای آبشستگی پیرامون سه نوع آبشکن شامل آبشکنهایی با دیواره‌ی عمودی،‌ ب...

full text

مقایسه عملکرد شبکه عصبی پرسپترون چند لایه و تابع پایه شعاعی در پیش‌بینی حجم صنعتی و هیزمی حاصل از درختان

سابقه و هدف: در مدیریت منابع جنگلی، فرآیندهای تصمیم‌گیری مثل عوامل کیفی در معادلات ریاضی وارد نمی‌شوند. درسال‌های اخیر شبکه‌های عصبی، کاربرد فراوانی در منابع جتگلی داشته‌اند. این تحقیق به مقایسه شبکه عصبی پرسپترون چندلایه و شبکه تابع پایه شعاعی در پیش‌بینی حجم صنعتی و هیزمی درختان پرداخته است. بررسی عملکرد شبکه‌های مختلف و یافتن بهترین نوع آن برای دستیابی به نتایج قابل قبول و معتبر از اهداف این...

full text

تشخیص خودکار مدولاسیون با استفاده از برنامه نویسی ژنتیک و شبکه عصبی چند لایه پرسپترون

This paper shows how we can make advantage of using genetic programming in selection of suitable features for automatic modulation recognition. Automatic modulation recognition is one of the essential components of modern receivers. In this regard, selection of suitable features may significantly affect the performance of the process. In this research we implemented our model by using appropria...

full text

My Resources

Save resource for easier access later


Journal title:
فصلنامه علمی - پژوهشی مهندسی منابع آب

Publisher: دانشگاه آزاد اسلامی واحد مرودشت

ISSN 2008-6377

volume 5

issue 14 2012

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023