«یادداشت تحقیقاتی» کاربرد شبکه عصبی مصنوعی در برآورد مشخصات پرش هیدرولیکی درحوضچه آرامش با دیواره همگرا و شیب کف منفی
محل انتشار: فصلنامه هیدرولیک، دوره: 7، شماره: 1
سال انتشار: 1391
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 209
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JHYDAN-7-1_006
تاریخ نمایه سازی: 10 اردیبهشت 1400
چکیده مقاله:
در این تحقیق از شبکه عصبی مصنوعی برای مدلسازی طول و عمق ثانویه پرش هیدرولیکی در حوضچه آرامش با دیواره همگرا و شیب کف منفی -که یکی از حالتهای خاص و پیچیده در پرش هیدرولیکی است- استفاده شده است. تعداد ۱۶۸۲ داده آزمایشگاهی طول و عمق ثانویه پرش هیدرولیکی مربوط به مقاطع مستطیلی، برای شیب کف منفی %۶/۰-، %۳/۱- و %۲- با زاویه همگرایی %۷/۲، %۴ و %۳/۵ استفاده شده است. در توسعه مدل شبکه، ۱۵ ساختار پرسپترون با تعداد مختلفی از لایههای پنهان ونرونها ارزیابی شدند. در نتیجه، ساختاری که بالاترین مقدار ضریب همبستگی را ایجاد میکرد، بهعنوان مدل بهینه انتخاب شد. برای مقاطع همگرا با شیب کف منفی، مناسبترین مدل شبکه عصبی برای تعیین عمق ثانویه پرش هیدرولیکی، ساختار ۱-۳-۶ با ۱۶ نرون در لایه پنهان و ضریب برازش برابر ۹۹۷۴/۰ بهدست آمد. همچنین برای طول پرش ساختار ۱-۲-۶ با ۸ نرون در لایههای پنهان وضریب برازش برابر با ۹۸۶۵/۰ بهدست آمد. مقادیر بالای بهدست آمده برای ضرایب برازش، بیانگر همبستگی نزدیک بین مقادیر خروجی مدل شبکه عصبی با دادههای آزمایشگاهی است.
کلیدواژه ها:
نویسندگان
تورج هنر
دانشیار گروه مهندسی آب کشاورزی، دانشگاه شیراز
سوده پورحمزه
دانشجوی سابق کارشناسی ارشد آبیاری و زهکشی، دانشگاه شیراز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :