برآورد کل بار رسوبی کف در آبراهه ها براساس مدل رگرسیون بردار پشتیبان (svr) و الگوریتم بهینه سازی اجتماع ذرات (pso)
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده مهندسی
- نویسنده شهرام صحرائی
- استاد راهنما مریم دهقانی ناصر طالب بیدختی
- سال انتشار 1392
چکیده
انتقال رسوب و رسوبگذاری، پـیآمـدهایی چـون ایجـاد جزایـر رسـوبی در مـسیر رودخانه و در نتیجه کاهش ظرفیت انتقال جریانهای سی?بی، خوردگی تأسیسات سـازههـای رودخانـهای و مشک?ت دیگر را دربر دارد. همچنین رسوبات معلق کیفیت آب را برای مصارف بشری تحت تأثیر قرار می دهد. بنـابراین، در هیـدرولیک رودخانـه و ژئومورفولوژی آن، بررسی ظرفیت حمل رسوب جریان و مکانیسم انتقال رسـوب از اهمیـت ویـژه ای برخوردار است. رویکردهای متداول اغلب بر پایه فرضیات ایده آل بوده و قادر به ارائه نتایج قابل قبولی از برآورد نرخ انتقال رسوبات بستر نیستند. در این پایان نامه کوشش بر این است که یک روش جامع و دقیق را با بهره گیری از دانش هوش مصنوعی بر روی مسائل پیش بینی و برآورد رسوب پیاده کرد. از دو روش به نام های حداقل مربعات رگرسیون بردار پشتیبان و الگوریتم بهینه سازی اجتماع ذرات بهره جسته تا بتوان نرخ انتقال رسوبات بستر در آبراهه ها را با دقت به مراتب بالاتری نسبت به روش های متداولی از قبیل روش ایکرز و وایت، انجلاند و هانزن، گراف و یانگ تخمین زد. رویکرد ماشین بردار پشتیبان بر مبنای تئوری بهینه سازی مقید بوده و از اصل کمینه سازی خطای ساختاری استفاده کرده که منجر به یک جواب بهینه کلی می گردد. الگوریتم بهینه سازی اجتماع ذرات در مقوله روش های فراکاوشی جای داشته و از نظم موجود در رفتار جمعی پرندگان جهت جست وجوی غذا ایده گرفته شده است. نتایج حاصل از پیاده سازی مدل حداقل مربعات رگرسیون بردار پشتیبان بر روی مجموعه ای از داده های آزمایشگاهی و میدانی در مقایسه با رویکردهای متداول به مراتب بهتر بوده است. سپس جهت بهبود بهتر مدل، متغیرهای ورودی به صورت لگاریتمی مقیاس شدند و از بروز مقادیر غلظت منفی در مدل جلوگیری به عمل آمد و نتایج نیز نسبتاً مورد بهبود واقع شدند. نتایج حاصل از الگوریتم بهینه سازی اجتماع ذرات به نسبت رویکردهای متداول رضایت بخش بوده ولی عملکرد مدل حداقل مربعات ماشین بردار پشتیبان رضایت بخش تر است و رگرسیون بردار پشتیبان می-تواند یک روش جامع و دقیق را در جهت شبیه سازی نرخ انتقال رسوبات بستر ارائه دهد.
منابع مشابه
بررسی عملکرد دو الگوریتم ژنتیک (GA) و اجتماع ذرات (PSO) در بهینه سازی مسئله CGAM
نوشتار حاضر به مدلسازی ترمودینامیکی یک نیروگاه توربین گازی با توان تولیدی MW ۳۰ و (kg/s) ۱۴ بخار اشباع در فشار bar ۲۰ پرداخته است. این سیستم معروف به مسئله CGAM است. در مسئلهی CGAM تابع هدف شامل مجموع هزینهی سرمایهگذاری و همچنین هزینهی سوخت مصرفی است. در این نوشتار بهینهسازی با کمینهسازی تابع هدف و نیز بهکارگیری الگوریتم ژنتیک و الگوریتم اجتماع ذرات بهکمک نرمافزار متلب انجا...
متن کاملتنظیم بهینه کنترل کننده PID بر روی سیستم چند متغیره خلبان خودکار طولی هواپیما براساس الگوریتم اجتماع ذرات (PSO)
در این مقاله طراحی کنترل کننده بهینه حول محور طولی در یکی از شرایط پروازی سیستم چندمتغیره هواپیما برای کنترل مجزای زاویه حمله از زاویه وضعیت پیچش (که در مدهای اعمال نیروی مستقیم حول محورطولی مورد استفاده میگیرد) با استفاده از الگوریتم بهینه سازی اجتماع ذرات (PSO) ارائه میشود. همان طور که میدانیم طراحی کنترل کننده حول محور طولی و حول محور سمتی- جانبی منجر به طراحی سیستم خلبان خودکار در هواپیم...
متن کاملتنظیم بهینه کنترل کننده PID بر روی سیستم چند متغیره خلبان خودکار طولی هواپیما براساس الگوریتم اجتماع ذرات (PSO)
در این مقاله طراحی کنترل کننده بهینه حول محور طولی در یکی از شرایط پروازی سیستم چندمتغیره هواپیما برای کنترل مجزای زاویه حمله از زاویه وضعیت پیچش (که در مدهای اعمال نیروی مستقیم حول محورطولی مورد استفاده میگیرد) با استفاده از الگوریتم بهینه سازی اجتماع ذرات (PSO) ارائه میشود. همان طور که میدانیم طراحی کنترل کننده حول محور طولی و حول محور سمتی- جانبی منجر به طراحی سیستم خلبان خودکار در هواپیم...
متن کاملبررسی کارایی الگوریتم های بهینه سازی کرم شب تاب و رگرسیون ماشین بردار پشتیبان جهت پیشبینی هزینه سرمایه
هزینهی سرمایه، حداقل نرخ بازدهی مورد انتظار سرمایهگذاران است، این نرخ بازده مورد انتظار با در نظر گرفتن ریسک شرکت تعیین میشود. در این پژوهش با استفاده از اطلاعات مالی 97 شرکت طی سالهای 1390 الی 1396 و به کمک متغیرهای حسابداری اقدام به پیشبینی هزینه سرمایه در شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران شده است. جهت پیشبینی هزینه سرمایه از روشهای رگرسیون ماشین بردار و کرم شبتاب ا...
متن کاملبرآورد ظرفیت بالفعل مالیاتی ایران با استفاده از الگوریتم بهینه سازی انبوه ذرات (PSO) و الگوریتم ژنتیک (GA)
با توجه به اهمیت فراوان درآمدهای مالیاتی در تأمین منابع مالی مورد نیاز دولتها، بررسی ظرفیت بالفعل مالیاتی همواره مورد توجه دولتمردان و سیاستگذاران بوده است. در این مقاله، تابع ظرفیت مالیاتی با دو الگوریتم ژنتیک و بهینه سازی انبوه ذرات طی دوره 1389-1361 برآورد شده است. براساس معیارهای ارزیابی عملکرد که شامل میانگین انحراف معیار، جذر میانگین انحراف معیار، میانگین درصد خطای مطلق و میانگین خطا...
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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده مهندسی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023