تخمین ضریب دبی روزنه های جانبی مثلثی توسط ساختار تعمیم یافته روش گروه دسته بندی داده ها
محل انتشار: مهندسی آبیاری و آب ایران، دوره: 13، شماره: 3
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 154
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WATER-13-3_004
تاریخ نمایه سازی: 5 اردیبهشت 1402
چکیده مقاله:
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، ۷۰% دادهها برای آموزش مدلهای هوش مصنوعی و ۳۰% 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 ۹۹۹/۰، ۰۰۰۸/۰ و ۹۹۹/۰ 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.
کلیدواژه ها:
نویسندگان
رحیم گرامی مقدم
گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
بهروز behrouz
گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
احمد رجبی
گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
سعید شعبانلو
دانشیار گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
محمد علی ایزدبخش
گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
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 :