• پیش بینی پارامترهای جهش هیدرولیکی واگرا در شیب کف معکوس با استفاده از شبکه عصبی مصنوعی

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1390/01/01
    • تاریخ انتشار در تی پی بین: 1390/01/01
    • تعداد بازدید: 461
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    در این تحقیق یک رهیافت شبکه عصبی مصنوعی (ann) با ساختار پرسپترون چند لایه برای پیش بینی نسبت عمق ثانویه و طول نسبی جهش هیدرولیکی واگرا در مقطع مستطیلی با شیب کف معکوس که به جهت عدم امکان رابطه تئوری صریح برای برآورد پارامترهای جهش، از حالت های خاص و پیچیده جهش هیدرولیکی می باشند، بکار گرفته شده است. برای این منظور آزمایش هایی بر روی مدل آزمایشگاهی حوضچه آرامش و در دامنه ای از زوایای واگرایی (صفر، 3، 5، 7 و 10) و شیب های معکوس کف (صفر، 2.3، 4.1، 5.6 و 8) انجام پذیرفته و پارامترهای اصلی جهش شامل عمق ثانویه، طول جهش و افت نسبی انرژی اندازه گیری گردیدند. در مجموع تعداد 152 سری داده آزمایشگاهی شامل عمق ثانویه و طول جهش در گستره زوایای واگرایی و شیب های کف برای آموزش و صحت یابی شبکه عصبی مورد استفاده قرار گرفت. در توسعه مدل ann، ده ساختار پرسپترون چندلایه، با تعداد لایه های پنهان و نرون های مختلف، مورد ارزیابی قرار گرفتند. در هر آرایش شبکه، آماره های ضریب تبیین (r2) و میانگین مجذور مربعات خطا (rmse)، محاسبه گردیدند. در نهایت مدل های بهینه برای پیش بینی نسبت عمق ثانویه (y2/y1) و طول نسبی جهش (lj/y1) به ترتیب دارای ساختاری با دو لایه پنهان و هشت نرون در هر لایه بودند که پارمترهای یاد شده را با r2، بترتیب برابر با rmse ,0.996 ,0.993 به ترتیب 0.1335 و 1.1241 برآورد نمودند. مقادیر بالای بدست آمده برای r2 در هر مورد، بیانگر همبستگی نزدیک بین مقادیر خروجی مدل ann و داده های آزمایشگاهی می باشد.

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
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها