تخمین فشار متوسط دینامیکی در جریان های دوفازی آب و هوا با استفاده از شبکه-های عصبی مصنوعی و سیستم عصبی- فازی تطبیقی

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 375

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_CEEJ-48-91_007

تاریخ نمایه سازی: 21 خرداد 1398

چکیده مقاله:

     جریان دوفازی در سازه­های گوناگون از جمله سیستم­های انتقال آب و خطوط لوله دریایی انتقال نفت و در سازه­های هیدرولیکی از جمله سرریز­های نیلوفری، شفت­های قائم، کالورت­ها و تونل­ها و مجاری بسته اتفاق می­افتد. پیش­بینی فشار دینامیکی در جریان­های دوفازی جهت طراحی بهینه و مناسب و جلوگیری از وقوع مشکلات ناخواسته در اثر ایجاد جریان­های دوفازی امری ضروری است. در این تحقیق مدل­هایی جامع جهت پیش­بینی فشار دینامیکی در جریان­های دوفازی آب و هوا با استفاده از شبکه­های عصبی و سیستم عصبی- فازی تطبیقی (انفیس) ارائه می­شود. از آن­جایی که مدل انفیس در مواجهه با فرآیند­های پیچیده با تعداد پارامترهای زیاد، قوانین زیادی تولید می­کند و حجم محاسبات را بیش­تر می­کند، استفاده از پیش­پردازش خوشه­بندی فازی کارآیی مدل انفیس را بیش­تر و حجم محاسبات را کمتر می­کند. استفاده از آلگوریتم بهینه­سازی ازدحام ذرات یکی دیگر از تکنیک­های بهبود نتایج در این تحقیق است. در این پژوهش برای تنظیم وزن­ها و بایاس­های شبکه­های عصبی از آلگوریتم ازدحام ذرات استفاده شده است. در مدل­های انفیس نیز در رابطه با تنظیم پارامترها، الگوریتم ترکیبی ازدحام ذرات و حداقل مربعات استفاده شده است. در این بررسی مشخص شد که نتایج حاصل از مدل­های انفیس همراه با پیش­پردازش خوشه­بندی فازی و آلگوریتم بهینه­سازی ازدحام ذرات دارای دقت بالاتری هستند.

نویسندگان

فائزه مقدس

دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان

عبدالرضا کبیری سامانی

دانشکده عمران، دانشگاه صنعتی اصفهان

مریم ذکری

دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان

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 :
  • باقری س، قیصری م، ایوبی ش، لوایی ن، پیش­بینی عملکرد ... [مقاله ژورنالی]
  • کبیری سامانی ع­ر، برقعی س­م، سعیدی م­ح، بررسی آزمایشگاهی نوسانات ...
  • De Maesschalk R, Jouan-Rimbaud D, Massart DL, The mahalanobis distance ...
  • Eberhart RC, Kennedy J, A new optimizer using particle swarm ...
  • Fan S, Yan T, Two-phase air-water slug flow measurement in ...
  • Jang JSR, Sun CT, Mizutani E, Neuro-Fuzzy modeling and soft ...
  • Kabiri-Samani AR, Borghei SM, Saidi MH, Fluctuations of air-water two-phase ...
  • Kabiri-Samani AR, Borghei SM, Pressure loss in a horizontal two-phase ...
  • Martin CS, Entrapped air in pipelines ,  Proceedings of the ...
  • Mishima K, Hibiki T, Some characteristics of air-water two-phase flow ...
  • Rodriguez JD, Perez A, Lozano JA, Sensitivity analysis of k-fold ...
  • Rosa E, Salgado RM, Ohishi T, Mastelari N, Performance comparison ...
  • Sebakhi E, Flow regimes identification and liquid holdup prediction in ...
  • Shi L, Fuzzy recognition for gas-liquid two- phase flow pattern ...
  • Shi Y, Eberhart RC, Parameter Selection in particle swarm optimization ...
  • StatSoft T, Electronic Statistics Textbook , 2007. www.statsoft.com/textbook ...
  • Xu Y, Frang X, A New correlation of two-phase frictional ...
  • Xu Y, Su X, Zhou Z, Chen W, Evalution of ...
  • Yan C, Yan C, Sun L, Wang Y, Zhang X, ...
  • Zhang W, Hibiki K, Mishima K, Correlations of two-phase frictional ...
  • نمایش کامل مراجع