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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

237
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

459
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی عمق آبشستگی در مجاورت سرریزهای سنگی با استفاده از ساختار تعمیم یافته روش گروه دسته بندی داده ها

صفحات

 صفحه شروع 13 | صفحه پایان 27

چکیده

 در این مطالعه, الگوی آبشستگی در مجاورت سرریزهای سنگی با شکل های I, U و J درون کانال های خم توسط یک روش هوش مصنوعی نوین تحت عنوان ساختار تعمیم یافته روش گروه دسته بندی داده ها(GSGMDH) شبیه سازی شد. در مقایسه با روش(GMDH) گروه دسته بندی داده ها روش GSGMDH یک روش منعطف تر و دقیق تر است که در آن گره ها می-توانند از لایه های غیرهمجوار ورودی بگیرند. در ابتدا, کلیه پارامترهای موثر بر روی عمق آبشستگی در مجاورت سرریزهای سنگی شناسایی گردید و سپس با استفاده از این پارامترها, برای هر یک از روش های GMDH و GSGMDH شش مدل مختلف تعریف گردید. با تجزیه و تحلیل نتایج مدل های هوش مصنوعی مدل-های برتر معرفی گردید. مدل های برتر GMDH و GSGMDH مقادیر آبشستگی ها را بر حسب کلیه پارامترهای ورودی تخمین زدند. علاوه بر این, دقت مدل های GSGMDH از مدل های GMDH بیشتر بود. به عنوان مثال, برای مدل های برتر GMDH و GSGMDH مقدار شاخص عملکرد در وضعیت تست به ترتیب مساوی با 075/73 و 408/86 محاسبه شدند. همچنین, مدل برتر مقادیر تابع هدف را با دقت خوبی پیش بینی نمود. به عنوان مثال, مقادیر ضریب همبستگی (R), شاخص پراکندگی(SI) و ضریب نش (NSC) برای مدل برتر GSGMDH در شرایط آموزش به ترتیب مساوی با 913/0, 214/0 و 800/0 تخمین زده شدند. با توجه به نتایج تحلیل حساسیت, پارامترهای پارامترهای ضریب شکل سرریزهای سنگی (φ ), نسبت اختلاف عمق جریان در بالادست و پائین دست تله سنگی برابر به ارتفاع سازه (y/hstΔ ) و عدد فرود تراکمی (Fd) به عنوان موثرترین پارامترهای ورودی معرفی گردیدند. تحلیل عدم قطعیت نشان داد که مدل GSGMDH برتر دارای یک عملکرد کمتر از واقعی بود.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    شهبازبیگی، ابراهیم، یوسفوند، فریبرز، یعقوبی، بهروز، شعبانلو، سعید، شعبانلو، سعید، و رجبی، احمد. (1400). پیش بینی عمق آبشستگی در مجاورت سرریزهای سنگی با استفاده از ساختار تعمیم یافته روش گروه دسته بندی داده ها. حفاظت منابع آب و خاک، 11(1 )، 13-27. SID. https://sid.ir/paper/412779/fa

    Vancouver: کپی

    شهبازبیگی ابراهیم، یوسفوند فریبرز، یعقوبی بهروز، شعبانلو سعید، شعبانلو سعید، رجبی احمد. پیش بینی عمق آبشستگی در مجاورت سرریزهای سنگی با استفاده از ساختار تعمیم یافته روش گروه دسته بندی داده ها. حفاظت منابع آب و خاک[Internet]. 1400؛11(1 ):13-27. Available from: https://sid.ir/paper/412779/fa

    IEEE: کپی

    ابراهیم شهبازبیگی، فریبرز یوسفوند، بهروز یعقوبی، سعید شعبانلو، سعید شعبانلو، و احمد رجبی، “پیش بینی عمق آبشستگی در مجاورت سرریزهای سنگی با استفاده از ساختار تعمیم یافته روش گروه دسته بندی داده ها،” حفاظت منابع آب و خاک، vol. 11، no. 1 ، pp. 13–27، 1400، [Online]. Available: https://sid.ir/paper/412779/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