پیش بینی سرعت متوسط جریان در آبگیر های جانبی با استفاده از پویایی سیالات محاسباتی ، شبکه ی عصبی مصنوعی و برداشت های جریان سنج

Authors

Abstract:

یکی از متداول ترین روش های انحراف آب در شبکه های آبیاری و سیستم های زهکشی استفاده از آبگیرهای جانبی می باشد. به علت پیچیدگی پروفیل سرعت در محل جداسازی کانال فرعی از کانال اصلی، اندازه گیری سرعت متوسط جریان در محل آبگیر ها بسیار مشکل می باشد. در این مطالعه با استفاده از شبکه عصبی مصنوعی اقدام به محاسبه ی پروفیل سرعت متوسط در آبگیر ها با کمترین خطا شده است. برای این مدل سازی گام های زیر برداشته شده است، (1) مدل دینامیک سیالات محاسباتی آبگیر های جانبی در نسبت عرض های کانال فرعی به اصلی مختلف انجام شد و با یک مطالعه ی آزمایشگاهی منتشر شده مقایسه گردید. نتایج حاکی از دقت بالای مدل عددی در مدل سازی پروفیل سرعت آبگیر ها دارند. (2) با استفاده از مدل دینامیک سیالات محاسباتی، مقدار سرعتی که توسط یک فلومتر فرضی که در وسط مقطع کانال قرار می گیرد، اندازه گیری می شود، در در مقاطع مختلف و نسبت عرض های مختلف کانال فرعی به اصلی استخراج شد. (3) یک مدل پرسپترون چند لایه طراحی شد که با استفاده از سرعت فلومتری، نسبت عرض کانال فرعی به اصلی و مختصات طولی در راستای کانال فرعی به عنوان خروجی بتواند سرعت متوسط مقطع را به دست آورد. نتایج حاصل نشان می دهد که در کاربرد های عملی استفاده از ترکیب برداشت ها ی فلومتری و مدل شبکه عصبی مصنوعی می تواند در کاهش خطای برآورد سرعت متوسط واقعی آبگیر ها مورد استفاده قرار گیرد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش¬بینی جریان روزانه با استفاده از شبکه¬های عصبی مصنوعی و عصبی- موجکی (مطالعه موردی: رودخانه باراندوزچای)

پیش­بینی دقیق جریان در رودخانه­ها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه جهت اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالی­ها است. به دلیل اهمیت پیش­بینی جریان رودخانه، در این تحقیق جریان روزانه رودخانه­ی باراندوزچای در دو ایستگاه بی­بکران و دیزج طی یک دوره­ی آماری 20 ساله با استفاده از مدل عصبی- موجکی (WNN) که تلفیق آنالیز موجک و شبکه عصبی مصنوعی (ANN) می­باشد، پیش­بینی گرد...

full text

مقایسه عملکرد شبکه های عصبی مصنوعی و شبکه های عصبی موجکی در پیش بینی درصد شکستگی جو در کمباین برداشت

در این تحقیق، نحوه عملکرد شبکه های عصبی موجکی با شبکه ‌های عصبی مصنوعی در پیش بینی درصد شکستگی دانه های جو در کمباین مقایسه شد. شبکه‌های مزبور به صورت تابعی از درجه حرارت هوا، سرعت کوبنده، سرعت پیشروی کمباین، فاصله کوبنده و ضدکوبنده در جلو و عقب واحد کوبنده و درصد رطوبت جو آموزش داده شد. شبکه عصبی موجکی (RASP1) با دقت 2/90 درصد در پیش بینی شکستگی دانه جو به عنوان یک جایگزین مناسب برای شبکه‌های...

full text

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

full text

بررسی ترکیب تبدیل های موجک و شبکه عصبی در پیش بینی جریان های سطحی تنگه هرمز

جریان‌های سطحی اقیانوسی، نقش مهمی در انتقال گرما و تغییرات آب و هوایی دارد. ازاین‌رو، پیش‌بینی جریان‌های دریایی از اهمیت بسزایی در اقیانوس‌شناسی برخوردار است. در این پژوهش با به‌کارگیری شبکه‌‌عصبی و تکنیک تبدیل موجک به پیش‌بینی جریان‌های سطحی تنگه‌هرمز پرداخته شده است. بدین منظور داده‌های ثبت‌شده این حوزه از نوامبر سال 1992 تا دسامبر سال 2014 با گام زمانی 5 روزه از سایت ناسا تهیه و با به‌کا...

full text

پیش بینی تبخیر از سطح ایستابی کم عمق با استفاده از شبیه های وایازی و شبکه ی عصبی مصنوعی

رابطه ی بین عمق سطح ایستابی و تبخیر از سطح خاک در اغلب مناطق خشک و نیمه خشک بسیار مهم است. در این مناطق به علت آبیاری بیش از حد نیاز، اغلب سطح ایستابی نزدیک زمین است که باعث شوری خاک می‌شود. در این مطالعه از یک شبیه فیزیکی سطح ایستابی برای تعیین شدت تبخیر در خاکهای لوم شنی، لومی و لوم رسی در گلخانه و برای سه سطح ایستابی 40، 60 و 80 سانتی متری استفاده شده است. تبخیر از سطح خاک، تبخیر از سطح آزاد...

full text

کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه

پیش‌بینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 11  issue 38

pages  129- 140

publication date 2018-11-22

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