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:

841
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

526
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

بررسی عملکرد شبکه های عصبی مصنوعی در برآورد بیشترین ژرفای آبشستگی پیرامون آبشکن ها

صفحات

 صفحه شروع 1 | صفحه پایان 10

چکیده

 یکی از عوامل اصلی ویرانی آبشکن ها آبشستگی می باشد که فرآیندی بسیار پیچیده است. پیچیدگی الگوی جریان پیرامون آبشکنها و گوناگونی عوامل موثر بر آبشستگی, موجب پرشماری روابط تجربی و کاهش دامنه هر یک از آنها, به دلیل محدودیت شرایط آزمایشگاهی می شود. در این تحقیق امکان استفاده از شبکه های پرسپترون چندلایه (MLP) برای برآورد بیشترین ژرفای آبشستگی پیرامون سه نوع آبشکن شامل آبشکن هایی با دیواره عمودی, بالدار و نیم دایره ای مورد مطالعه قرار گرفتند. دستاوردهای شبیه شبکه عصبی مصنوعی با نتایج به دست آمده از رابطه تجربی پیشنهادی به وسیله باربهیوا و دی (2004) مقایسه گردیدند. هشت نمایشنامه بر اساس فراسنجهای موثر و شبکه های با ورودیهای مختلف برای پیش بینی ژرفای آبشستگی تعریف شدند. مقایسه نتایج نمایشنامه های مختلف نشان دادند که نمایشنامه ای که تنها از دو فراسنج y/l و Fe برای برآورد ژرفای آبشستگی در پیرامون آبشکن استفاده می کند, از عملکرد بهتری برخوردار است. همچنین, نتایج تحلیل حساسیت نشان دادند که فراسنجهای y/l و l/d50 بیشترین تاثیر را در پیش بینی ژرفای آبشستگی آبشکن دارند. مقایسه نتایج شبیه شبکه های عصبی و مقادیر محاسبه شده از رابطه تجربی با داده های آزمایشگاهی نشان دادند که مقادیر بیشترین ژرفای آبشستگی به دست آمده از روش شبکه های عصبی مصنوعی از دقت بیشتری نسبت به رابطه تجربی برخوردارند. همچنین, دقت شبکه های عصبی مصنوعی در برآورد ژرفای آبشستگی پیرامون آبشکن های با دیواره عمودی در مقایسه با دو نوع آبشکن دیگر بیشتر است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    خسروی نیا، پیام، صیادی، حبیب، حسین زاده دلیر، علی، فرسادی زاده، داوود، و میرعباسی نجف آبادی، رسول. (1390). بررسی عملکرد شبکه های عصبی مصنوعی در برآورد بیشترین ژرفای آبشستگی پیرامون آبشکن ها. مهندسی منابع آب، 4(11)، 1-10. SID. https://sid.ir/paper/169468/fa

    Vancouver: کپی

    خسروی نیا پیام، صیادی حبیب، حسین زاده دلیر علی، فرسادی زاده داوود، میرعباسی نجف آبادی رسول. بررسی عملکرد شبکه های عصبی مصنوعی در برآورد بیشترین ژرفای آبشستگی پیرامون آبشکن ها. مهندسی منابع آب[Internet]. 1390؛4(11):1-10. Available from: https://sid.ir/paper/169468/fa

    IEEE: کپی

    پیام خسروی نیا، حبیب صیادی، علی حسین زاده دلیر، داوود فرسادی زاده، و رسول میرعباسی نجف آبادی، “بررسی عملکرد شبکه های عصبی مصنوعی در برآورد بیشترین ژرفای آبشستگی پیرامون آبشکن ها،” مهندسی منابع آب، vol. 4، no. 11، pp. 1–10، 1390، [Online]. Available: https://sid.ir/paper/169468/fa

    مقالات مرتبط نشریه ای

    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