تخمیـن فشار متوسط دینامیکی در جریان‏های دوفازی آب و هوا با استفاده از شبکه-های عصبی مصنوعی و سیستم عصبی- فازی تطبیقی

Authors

  • مریم ذکری دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان
Abstract:

     جریان دوفازی در سازه­های گوناگون از جمله سیستم­های انتقال آب و خطوط لوله دریایی انتقال نفت و در سازه­های هیدرولیکی از جمله سرریز­های نیلوفری، شفت­های قائم، کالورت­ها و تونل­ها و مجاری بسته اتفاق می­افتد. پیش­بینی فشار دینامیکی در جریان­های دوفازی جهت طراحی بهینه و مناسب و جلوگیری از وقوع مشکلات ناخواسته در اثر ایجاد جریان­های دوفازی امری ضروری است. در این تحقیق مدل­هایی جامع جهت پیش­بینی فشار دینامیکی در جریان­های دوفازی آب و هوا با استفاده از شبکه­های عصبی و سیستم عصبی- فازی تطبیقی (انفیس) ارائه می­شود. از آن­جایی که مدل انفیس در مواجهه با فرآیند­های پیچیده با تعداد پارامترهای زیاد، قوانین زیادی تولید می­کند و حجم محاسبات را بیش­تر می­کند، استفاده از پیش­پردازش خوشه­بندی فازی کارآیی مدل انفیس را بیش­تر و حجم محاسبات را کمتر می­کند. استفاده از آلگوریتم بهینه­سازی ازدحام ذرات یکی دیگر از تکنیک­های بهبود نتایج در این تحقیق است. در این پژوهش برای تنظیم وزن­ها و بایاس­های شبکه­های عصبی از آلگوریتم ازدحام ذرات استفاده شده است. در مدل­های انفیس نیز در رابطه با تنظیم پارامترها، الگوریتم ترکیبی ازدحام ذرات و حداقل مربعات استفاده شده است. در این بررسی مشخص شد که نتایج حاصل از مدل­های انفیس همراه با پیش­پردازش خوشه­بندی فازی و آلگوریتم بهینه­سازی ازدحام ذرات دارای دقت بالاتری هستند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش‌بینی بلند مدت رواناب با استفاده از شبکه های عصبی مصنوعی و سیستم استنتاج فازی

مدل‏های مفهومی ‌بر مبنای هوش مصنوعی، اغلب برای پیش‌بینی‏های کوتاه مدت و میان مدت هیدورلوژیکی به کار رفته اند. در این مقاله با استفاده از مفهوم تولید مجموعه ای از پیش‌بینی‌ها1 (ESP) و تفکیک مدل‏سازی برای متغیرهای اقلیمی‌و هیدرولوژیکی، از مدل‏های مفهومی ‌برای پیش‌بینی بلندمدت حجم جریان رودخانه زاینده رود در محل ورودی به سد زاینده رود استفاده می‌شود. سیستم استنتاج فازی برای پیش‌بینی بار...

full text

مدل‌سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی و شبکه فازی- عصبی تطبیقی در حوزه آبخیز کسیلیان

     Rainfall runoff modeling and prediction of river discharge is one of the important practices in flood control and management, hydraulic structure design and drought management. The present article aims to simulate daily streamflow in Kasilian watershed using an artificial neural network (ANN) and neuro-fuzzy inference system (ANFIS). The intelligent methods have the high potential for dete...

full text

عملکرد شبکه عصبی مصنوعی و شبکه عصبی فازی- تطبیقی در برآورد غلظت ازن در شهر تهران

در سال‌های اخیر آلودگی هوا به عنوان یکی از بزرگ ترین مشکلات زیست محیطی در سطح جهانی مطرح شده است. ازن تروپوسفری یک آلاینده ثانویه است و سبب بروز مشکلات تنفسی و تاثیر حاد بر گیاهان می‌شود. در این مطالعه به دلیل غیر خطی بودن و پیچیدگی این پدیده‌هابه مقایسه برآورد غلظت آلاینده ازن با استفاده از شبکه عصبی مصنوعی و شبکه عصبی فازی-تطبیقی پرداخته شد. در پژوهش حاضر از متغیرهای هواشناسی در ...

full text

ارزیابی قابلیت مدل‏ های سیستم استنتاج فازی-عصبی تطبیقی، شبکه عصبی مصنوعی و رگرسیونی در تحلیل منطقه ‏ای سیلاب

سابقه و هدف: توسعه روش‏های برآورد فراوانی منطقه‏‏‏ ای سیلاب در مناطق فاقد ایستگاه‏‏ های اندازه‏گیری یکی از اولین اهداف اصلی در مسایل روز هیدرولوژی می‏ باشد. ارزیابی فراوانی سیلاب در حوضه‏ های فاقد ایستگاه‏های اندازه‏ گیری، معمولاً توسط ایجاد روابط مناسب آماری (مدل‏ها)بین سیلاب و ویژگی‏های فیزیکی حوضه انجام می‏ گیرد. تاکنون معادلات متعددی در زمینه برآورد دبی سیلاب در مناطق مختلف از جمله حوضه کرخه...

full text

پیش‌‌بینی جریان روزانه رودخانه اهرچای با استفاده از روش های شبکه های عصبی مصنوعی (ANN) و مقایسه آن با سیستم استنتاج فازی- عصبی تطبیقی (ANFIS)

در طی سال‌های اخیر پیش‌‌بینی فرآیندهای هیدرولوژیکی به منظور بهره‌برداری پایدار از منابع آب با استفاده از روش‌‌های هوشمند مورد توجه دست اندرکاران بخش آب قرار گرفته است. در این تحقیق با بهره‌‌گیری از شبکه‌‌های عصبی مصنوعی (ANN) و سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) اقدام به پیش‌‌بینی دبی جریان روزانه رودخانه اهر چای واقع در استان آذربایجان شرقی در ایستگاه های اورنگ، برمیس و تازه کند گردید. بر...

full text

تولید شتابنگاشت مصنوعی زلزله با استفاده از شبکه عصبی فازی

نیاز روزافزون به تحلیل دینامیکی تاریخچه زمانی و عدم­وجود شتابنگاشت­های مناسب در مناطق مختلف، تولید شتابنگاشت­های مصنوعی سازگار با طیف طرح را ضروری می­سازد. هدف اصلی این تحقیق ارائه روشی نوین، بر اساس تبدیل بسته موجک و روش های هوش مصنوعی  برای تولید شتابنگاشت مصنوعی زلزله سازگار با طیف طرح بر اساس مقدار بزرگا، فاصله از گسل و طیف مربوطه می باشد. در این تحقیق از شبکه های عصبی فازی و آنالیز موجک پک...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 48.2  issue 91

pages  71- 80

publication date 2018-08-23

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023