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:

52
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

3
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تخمین ضریب دبی روزنه های جانبی مثلثی توسط ساختار تعمیم یافته روش گروه دسته بندی داده ها

صفحات

 صفحه شروع 55 | صفحه پایان 72

چکیده

 در این مطالعه, برای اولین بار, ضریب دبی روزنه­های جانبی مثلثی توسط یک روش نوین تکاملی تحت عنوان ساختار تعمیم­یافته روش گروه دسته­بندی داده­ها (GSGMDH) شبیه­سازی شد. در ابتدا, پارامترهای موثر بر روی ضریب دبی روزنه­های جانبی مثلثی شناسایی شدند و شش مدل GSGMDH مختلف تعریف شد. سپس داده­های آزمایشگاهی به دو دسته آموزش و آزمون تقسیم­بندی شدند. در این مقاله, 70% داده­ها برای آموزش مدل­های هوش مصنوعی و 30% باقیمانده برای آزمون این مدل­ها بکار گرفته شدند. با تجزیه و تحلیل نتایج کلیه مدل­های GSGMDH, مدل برتر معرفی شد. این مدل مقادیر ضریب دبی را با دقت بالایی تخمین زد, به­عنوان مثال, ضریب همبستگی  (R), شاخص پراکندگی (SI) و ضریب نش  (NSC) برای وضعیت آزمون مدل برتر به­ترتیب مساوی با 999/0, 0008/0 و 999/0 محاسبه شدند. همچنین, تحلیل حساسیت پارامترهای ورودی نشان داد که عدد فرود (Fr) و نسبت عرض کانال اصلی به طول روزنه جانبی (B/L) به­عنوان موثرترین پارامترهای ورودی شناسایی شدند. در ادامه, نتایج مدل برتر GSGMDH با مدل GMDH مقایسه شد که این مقایسه نشان دهنده عملکرد بهتر مدل GSGMDH بود.

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