مدلسازی ضریب دبی سرریز کرامپ با استفاده از روشهای یادگیری ماشینی
نویسندگان
چکیده مقاله:
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.
منابع مشابه
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 ...
متن کاملارزیابی 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...
متن کاملمدلسازی 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...
متن کاملمدلسازی 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...
متن کاملارزیابی 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...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 26 شماره 4.2
صفحات 1- 12
تاریخ انتشار 2017-02-19
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023