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:

267
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

521
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی نرخ فرسایش رسوبات چسبنده و تحلیل پارامتر های مؤثر بر آن به کمک شبکه عصبی مصنوعی

صفحات

 صفحه شروع 68 | صفحه پایان 78

چکیده

 مکانیک انتقال رسوبات چسبنده متفاوت از رسوبات غیرچسبنده است. در تعیین نرخ فرسایش رسوبات غیرچسبنده از پارامتر های فیزیکی استفاده می گردد, در حالی که به علت ماهیت رسوبات چسبنده نرخ فرسایش آن ها به صورت رابطه ای با تنش برشی بستر با ضرایب ثابت مربوط به ویژگی هر نوع رسوب تعریف می گردند. در این تحقیق از اطلاعات آزمایشگاهی رسوبات چسبنده مصب رودخانه لویر استفاده شده است که پس از صحت سنجی نتایج در نرم افزار مایک, داده های آزمایشگاهی توسعه داده شدند تا بتوان با داده های بیشتر و شرایط هیدرولیکی متفاوت تری, پدیده فرسایش رسوبات را مورد مطالعه قرار داد. در ادامه نظر به تعداد پارامترهای متعدد مؤثر در پدیده فرسایش رسوبات, از شبکه عصبی برای ایجاد ارتباط میان داده ها استفاده گردید. پارامترهای استفاده شده در مدل شامل مؤلفه های جریان و مشخصه های رسوبات و سیال می باشند. به علت عملکرد بهتر شبکه عصبی این داده ها پس از بی بعدسازی مورد استفاده قرار گرفتند. ضریب همبستگی و میانگین قدر مطلق خطای داده ها در شبکه عصبی مورد استفاده به ترتیب 98/0 و 0036/0 به دست آمدند که بیان گر عملکرد مناسب شبکه بودند. در نهایت پس از انجام تحلیل حساسیت وزنی, پارامترهای V/√ (τ _y/ρ _w ) و ρ _s/ρ _w به ترتیب بعنوان مؤثرترین پارامترهای افزایش و کاهش نرخ فرسایش معرفی شدند.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    خیرخواهان، مهران، حسینی، خسرو، و نیر، شهاب. (1399). پیش بینی نرخ فرسایش رسوبات چسبنده و تحلیل پارامتر های مؤثر بر آن به کمک شبکه عصبی مصنوعی. مجله علوم و مهندسی آبخیزداری ایران، 14(48 )، 68-78. SID. https://sid.ir/paper/405653/fa

    Vancouver: کپی

    خیرخواهان مهران، حسینی خسرو، نیر شهاب. پیش بینی نرخ فرسایش رسوبات چسبنده و تحلیل پارامتر های مؤثر بر آن به کمک شبکه عصبی مصنوعی. مجله علوم و مهندسی آبخیزداری ایران[Internet]. 1399؛14(48 ):68-78. Available from: https://sid.ir/paper/405653/fa

    IEEE: کپی

    مهران خیرخواهان، خسرو حسینی، و شهاب نیر، “پیش بینی نرخ فرسایش رسوبات چسبنده و تحلیل پارامتر های مؤثر بر آن به کمک شبکه عصبی مصنوعی،” مجله علوم و مهندسی آبخیزداری ایران، vol. 14، no. 48 ، pp. 68–78، 1399، [Online]. Available: https://sid.ir/paper/405653/fa

    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