مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

45
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

6
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارزیابی عملکرد روش های داده کاوی مختلف در تعیین پروفیل عمقی سرعت در پرش هیدرولیکی مستغرق

صفحات

 صفحه شروع 1 | صفحه پایان 20

چکیده

 توزیع عمقی سرعت در پرش هیدرولیکی به دلیل پیچیدگی­های اندازه­گیری و محاسباتی به عنوان یکی از موضوع­های مهم و در حال بررسی میان پژوهشگران مطرح می­­باشد. در این تحقیق, عملکرد مدل­های هوشمند GEP و SVM در تعیین توزیع عمقی سرعت در پرش هیدرولیکی مستغرق در پایین دست دریچه کشویی مورد بررسی قرار گرفت. بدین منظور از 312 داده آزمایشگاهی استفاده شده است. با استفاده از تحلیل ابعادی پارامترهای بی­بعد ورودی به مدل­های هوشمند شامل عدد فرود بالادست (Fr1), عدد فرود پایاب (Fr3), نسبت عمق بالادست دریچه به عمق پایاب ( ), نسبت بازشدگی دریچه به عرض کانال ( ) و نسبت عمق اندازه­گیری به عرض کانال ( ) معین شدند. با استفاده از آزمون گاما, استفاده از هر پنج پارامتر بی­بعد به عنوان بهترین ترکیب برای پیش­بینی توزیع عمقی سرعت تعیین شد. داده­های آزمایشگاهی اندازه­گیری شده نرمال­سازی شدند. از بین دو کلاس طبقه­بندی Nu-SVM و C-SVM, الگوریتم اول به ازای مقدار پارامترهای تنظیمی γ و Nu به ترتیب برابر با 2/1 و 486/0 با تابع کرنل از نوع RBF به عنوان الگوریتم برتر برای SVM انتخاب شد. عملکرد مدل­های هوشمند Nu-SVM  و GEP با استفاده از شاخص های آماری مورد ارزیابی قرار گرفت. نتایج نشان داد که مقدار شاخص­های (RMSE, R2, ) در فرآیند آزمون برای الگوریتم­های Nu-SVM و GEP به ترتیب (4489/0, 9770/0, 09588/0) و (3588/0, 9718/0, 1161/0) هستند که نشان از برتری الگوریتم Nu-SVM دارد. همچنین طبق آزمون گاما, ترتیب تاثیرگذاری پارامترهای بی­بعد موثر بر روی پروفیل عمقی سرعت به صورت , Fr1, , Fr3 و  به دست آمد.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button