مدلسازی ضریب دبی سرریز کرامپ با استفاده از روشهای یادگیری ماشینی
Authors
Abstract:
سرریز کرامپ در طبقه بندی سرریزها در میان سرریزهای لبه کوتاه جای میگیرد. طراحی این سرریز بهگونهای است که شیب بالادست آن بیشتر از شیب پاییندست آن بوده و موجب میشود که رسوبات بهراحتی تخلیه گردند. در این تحقیق عملکرد روشهای -kنزدیکترین همسایگی و رگرسیون بردار پشتیبان در مدلسازی ضریب دبی سرریز کرامپ با استفاده از دادههای آزمایشگاهی موردبررسی قرار گرفت. دادهها در 174 دسته و 9 ترکیب مختلف از پارامترهای ورودی شامل شیب بالادست (Sup)، شیب پاییندست (Sdo)، عدد رینولدز (Re) و نسبت عمق آب روی سرریز در بالادست به ارتفاع سرریز (h1/P) مورداستفاده قرار گرفت. در چهار مرحله بهترتیب 66، 70، 75 و 80 درصد دادههای آزمایشگاهی برای آموزش و مابقی آنها در هر مرحله جهت آزمون استفاده گردید. براساس یافتهها در هر دو روش، بهترین نتیجه زمانی حاصل میشود که از 80 درصد دادهها برای آموزش و 20 درصد دادهها برای آزمون استفاده شود. از سوئی دیگر روش نزدیکترین همسایگی در مقایسه با رگرسیون بردار پشتیبان از توانمندی بیشتری در مدلسازی ضریب دبی سرریز کرامپ برخوردار بوده و نسبت (h1/P) تأثیر مهمی در تخمین ضریب دبی سرریز کرامپ داشته و قادر است با دقت نسبتاً بالایی ضریب دبی سرریز را مدلسازی نماید. همچنین نتایج نشان داد با کاربرد ترکیب ورودی شامل پارامترهای h1/P, Sup, Sdo، روشهای رگرسیون بردار پشتیبان و نزدیکترین همسایگی بهترتیب با ضرایب همبستگی 969/0 و 987/0 بیشترین دقت را از خود نشان دادند.
similar resources
مدل سازی ضریب دبی سرریز کرامپ با استفاده از روش های یادگیری ماشینی
سرریز کرامپ در طبقه بندی سرریزها در میان سرریزهای لبه کوتاه جای می گیرد. طراحی این سرریز به گونه ای است که شیب بالادست آن بیشتر از شیب پایین دست آن بوده و موجب می شود که رسوبات به راحتی تخلیه گردند. در این تحقیق عملکرد روشهای -kنزدیک ترین همسایگی و رگرسیون بردار پشتیبان در مدلسازی ضریب دبی سرریز کرامپ با استفاده از داده های آزمایشگاهی موردبررسی قرار گرفت. داده ها در 174 دسته و 9 ترکیب مختلف ...
full textارزیابی عملکرد روش ANFIS و مدل درختی M5 در مدل سازی ضریب دبی سرریز کرامپ
در این تحقیق برای ارزیابی عملکرد روش سیستم استنتاج فازی- عصبی تلفیقی (ANFIS) و مدل درختی M5 در مدلسازی ضریب دبی جریان سرریز کرامپ از دادههای آزمایشگاهی استفاده گردید. نتایج 174 دسته داده حاصل از آزمایش انجامگرفته با مدل فیزیکی، در 16 سناریو با ترکیب پارامترهای ورودی مختلف و با استفاده از مدل درختی M5 و روش ANFISجهت برآورد ضریب دبی جریان سرریز کرامپ به عنوان پارامتر خروجی مورد استفاده قرار گ...
full textمدلسازی ضریب اصطکاک جریان در لوله های آبیاری با استفاده از روشهای یادگیری ماشینی و مقایسه عملکرد آنها با روابط تجربی
معادله ضمنی کلبروک - وایت بهصورت گستردهای برای برآورد ضریب اصطکاک برای جریان متلاطم درلولههای آبیاری مورد استفاده قرار گرفته است. در این میان، ارائه یک راه حل کاربردی و دقیق برای معادله کلبروک -وایت بهمنظور استفاده در محاسبات هیدرولیکی سیستمهای آبیاری تحت فشار امری ضروری است. در این مقالهدر پیشبینی M عملکرد چند روش یادگیری ماشینی شامل رگرسیون بردار پشتیبان، برنامهریزی ژنتیک و مدل درختی 5ضریب اص...
full textمدلسازی ضریب دبی سرریزهای اوجی قوس محور با تقرب دیوارههای جانبی در شرایط جریان آزاد با استفاده ازروشهای یادگیری ماشینی
سرریزهای قوسی به دلیل شرایط هیدرولیکی خاص و طول تاج بلند، قابلیت مناسبی در تنظیم مؤثر تراز سطح آب در سدها و شبکههای آبیاری و زهکشی دارند. اما تاکنون در زمینه تخمین ضریب دبی این سرریزها و نیز استخراج رابطه دبی-اشل آنها تحقیقات بسیار کمی انجام شده است. لذا دراین تحقیق از روشهای برنامهریزی بیان ژن(GEP) و روش شبکه عصبی مصنوعی (ANN) ضریب دبی سرریزهای اوجی قوس محور با دیوارههای هادی همگرا مدلساز...
full textارزیابی عملکرد روش anfis و مدل درختی m۵ در مدل سازی ضریب دبی سرریز کرامپ
در این تحقیق برای ارزیابی عملکرد روش سیستم استنتاج فازی- عصبی تلفیقی (anfis) و مدل درختی m5 در مدلسازی ضریب دبی جریان سرریز کرامپ از داده های آزمایشگاهی استفاده گردید. نتایج 174 دسته داده حاصل از آزمایش انجام گرفته با مدل فیزیکی، در 16 سناریو با ترکیب پارامترهای ورودی مختلف و با استفاده از مدل درختی m5 و روش anfisجهت برآورد ضریب دبی جریان سرریز کرامپ به عنوان پارامتر خروجی مورد استفاده قرار گر...
full textMy Resources
Journal title
volume 26 issue 4.2
pages 1- 12
publication date 2017-02-19
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