• برآورد حداکثر عمق آبشستگی حول آبشکن ها با استفاده از شبکه عصبی مصنوعی

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1385/02/10
    • تاریخ انتشار در تی پی بین: 1385/02/10
    • تعداد بازدید: 1085
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    در این تحقیق، توانایی برآورد شبکه عصبی مصنوعی در میزان حداکثر عمق آبشستگی حول آبشکن بررسی می شود. محاسبه میزان حداکثر عمق آبشستگی یکی از مسائل اساسی در طراحی آبشکن هاست. پیچیدگی الگوی جریان حول آبشکن ها و گوناگونی عوامل موثر بر آبشستگی، موجب تعدد روابط کاربردی و کاهش دامنه هر یک از آن ها بدلیل محدودیت شرایط آزمایشگاهی می شود. شبکه های عصبی مصنوعی با شبیه سازی عملکرد مغز انسان، توانمندی شگرفی در بازیابی روابط ذاتی میان داده ها و شناسایی نگاشت هاس درونی میان فضاهای داده ای دارند، لذا در این تحقیق سعی شده است با تبیین ویژگی های نگاشت های مستقل از مدل، روش جدیدی مبتنی بر شبکه های عصبی مصنوعی برای حل مساله ارائه گردد که در آن با آموزش شبکه ای از نوع توابع چند لایه پرسپترون (mlp) همراه با قانون یادگیری پس انتشار خطا، راهکاری برای تخمین حداکثر عمق آبشستگی تبین شود. شبکه های عصبی مصنوعی برای تعمیم دقت روابط میان داده ها، نیازمند آموزش با داده های با دامنه وسیع دارد. برای آموزش و آزمون شبکه از 480 سری داده استفاده شد و مجموعه داده ها شامل آبشکن های دیواره قائم، پره ای و جداره شیب دار و تغییر سایز متغیرهای اثرگذار می باشد. مقایسه نتایج برآورد شبکه، قدرت بسیار خوب تخمین آن را نسبت به سایر روش های تجربی نشان می دهد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم