پیش بینی مشخصات کانال های پایدار با استفاده از محاسبات نرم
نویسندگان
چکیده مقاله:
سابقه و هدف: از موضوعات مهم در مهندسی رودخانه تعیین مشخصات آبراهه پایدار شامل عرض، عمق و شیب است که بیش از یک قرن مورد توجه بوده است. طراحی پایدار یک آبراهه در کارهای مختلفی مانند مهندسی رودخانه، کنترل سیل و انتقال آب مورد استفاده قرار میگیرد. آبراهههای پایدار معمولاً توسط روابط تجربی که گاهی دقت بسیار کمی دارند طراحی میشود. هدف اصلی این تحقیق ارزیابی دو روش ANFIS و SVM در تخمین مشخصات آبراهه پایدار است. مواد و روشها: تعداد 325 داده اندازهگیری شده از مشخصات آبراهههای طبیعی و تحقیقات آزمایشگاهی برای آموزش، ارزیابی و آزمایش دو روش ANFIS و SVM مورد استفاده قرار گرفت. سیستم نوروفازی که ترکیب شبکه عصبی با منطق فازی میباشد اولین بار توسط ژانگ 1993 معرفی شد. ماشین بردار پشتیبان در الگوریتمهای رگرسیون و طبقهبندی استفاده میگردد. 60% دادهها برای آموزش، 20% برای ارزیابی و 20% باقیمانده برای آزمایش استفاده شد. برای برآورد مشخصات آبراهه از دو ورودی شامل: 1- دبی و 2- دبی و قطر متوسط رسوب استفاده شد. از روابط تجربی افضلی مهر و همکاران، بری و سیمونز و آلبرتسون برای مقایسه با دو روش ANFIS و SVM استفاده گردید. یافتهها: روشهای ANFIS و SVM با ورودی (2) نسبت به (1) عرض را به ترتیب حدود 50% و 80% و عمق را به ترتیب 61% و 40% با خطای کمتری تخمین زدند. دقت پیشبینی ANFIS و SVM در دامنههای مختلف عرض و عمق متفاوت است. هر دو روش نتوانستند شیب را پیشبینی کنند. رابطه تجربی بری که عمق و عرض را با دقت قابل قبولی پیشبینی میکند در تخمین شیب دارای دقت کمی است. نتیجهگیری: نتایج نشان داد هر دو روش با ورودی (2) تغییرات هندسی آبراهه را با دقت قابل قبولی شبیهسازی میکنند و عرض و عمق را به خوبی تخمین میزنند. به طور کلی قابلیت تخمین عرض بیشتر از عمق است و هر دو روش با ورودی (1) و (2) قادر به تخمین شیب کانال پایدار نمیباشند. در اعماق کمتر از 2 متر تأثیر قطر متوسط رسوب نسبت به دبی بر پیشبینی عمق کم است. تغییرات شیب فقط به دبی و قطر متوسط رسوب بستگی ندارد و پارامترهای دیگری در تغییرات آن تأثیر دارند. تأثیر پارامترهای ناشناخته بر شیب-های بیشتر از 5/0% بیشتر است زیرا هر دو روش هیچ تخمین قابل قبولی ارائه نکردهاند. رابطه بری نسبت به دو رابطه سیمونز و آلبرتسون و افضلی دارای دقت بیشتری در پیشبینی مشخصات آبراهه است. مقایسه ANFIS با روابط تجربی نشان داد مشخصات آبراهه پایدار توسط ANFIS با دقت بیشتری نسبت به روابط تجربی پیشبینی میشود.
منابع مشابه
شبیه سازی و پیش بینی قیمت سبد نفت اوپک با استفاده از تکنیک های محاسبات نرم
پیش بینی قیمت نفت خام یکی از مهمترین موضوعات پیش روی اقتصاد انرژی است. پیش بینی مناسب قیمت نفت و آن هم قیمت نفت خام اوپک، به دلیل متضمن بودن تعدادی از کشورهای در حال توسعه این سازمان با قیمت نفت، می تواند در برنامه ریزی های سازمان و کشورهای عضو آن، اهمیت ویژه ای داشته باشد. برآورد و پیش بینی روند قیمت نفت، به خاطر نبود دادههای تاریخی مهم و محدودیت اطلاعات مرتبط با شاخصهای موثر بر روند قیمت نفت،...
پیش بینی تقاضای انرژی در ایران با استفاده از تکنیک های محاسبات نرم
از دیـدگاه مکاتب مختلف اقتصادی، سرمایه و نیروی کار (اعم از متخصص و غیرمتخصص) به عنوان مهمترین عوامل موثر بر رشد و تولید در نظر گرفته می شوند. امروزه علاوه بر نهاده نیروی کار و سرمایه، انرژی نیز به عنوان یکی از نهاده های مهم تولیدی دربخش های مختلف اقتصادی در نظر گرفته می شود. با در نظر گرفتن موراد فوق، با تغییر در میزان مصرف انرژی سطح تولید نیز تغییر خواهد کرد. از این رو بررسی و پیش بینی روند تق...
تعیین مشخصات کانال پایدار
کارهای انجام شده در زمینه معادلات ارائه دهنده هندسیه هیدرولیکی کانالهای پایدار عمدتا بر اساس جریان یکنواخت شکل گرفته و توسعه پیدا کرده اند و لذا استفاده از نتایج این معادلات در کانالها و رودخانه های طبیعی که جریان در آنها عمدتا به طور غیر یکنواخت صورت میگیرد مناسب نخواهد بود هدف اصلی این تحقیق برریس چگونگی توزیع تنش برشی و پارامتر شیلدز در مقاطع غیر یکنواخت کانالهای پایدار و توسعه مدلی برای پیش...
15 صفحه اولارائه روشی برای پیش بینی پایدار سری های زمانی با کاربرد در مسائل مالی با استفاده از روش Robust
به منظور مدلسازی و تخمین مناسب و قابل اعتماد پارامترها در مدلهای دادههای خودهمبسته، از رویکردهای پایداراستفاده میشود. وجود دادههای پرت و آلودگیها، تاثیری مخرب در تخمین پارامترهای این مدلها دارد. از آنجایی که در اغلب مسائل مالی، دادههای گذشته بر دادههای اخیر اثرگذار هستند، این دادهها معمولاً در قالب سری زمانی مدلسازی میشوند. در این تحقیق، مدلهای خود رگرسیون به عنوان یکی از مدلهای مط...
متن کاملپیش بینی طرح اختلاط بهینه برای بهسازی خاک رس نرم با استفاده از شبکه های عصبی مصنوعی
استفاده و کاربرد شبیه سازی مصنوعی در پیش بینی رفتار مصالح علی الخصوص هنگامی که نتایج واقعی داشته باشیم از نظر زمان و هزینه از اهمیت ویژه ای برخوردار است. بر این اساس در این پژوهش داده های آزمایش بدست آمده از آزمایش تک محوری روی نمونه های خاک تثبیت شده توسط آهک، پسماند و سیلیکات سدیم با شبکه عصبی (GRNN) و الگوریتم ژنتیک (برنامه ریزی بیان ژن (GEP)) مورد بررسی قرار گرفته است. بنابراین با توجه به ن...
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 23 شماره 4
صفحات 119- 135
تاریخ انتشار 2016-10-22
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