مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

87
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

38
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تعیین قابلیت تکنیک های هوش مصنوعی در تخمین استهلاک انرژی سرریزهای پلکانی با رژیم جریان رویه ای

صفحات

 صفحه شروع 3897 | صفحه پایان 3912

چکیده

استهلاک انرژی در سرریز های پلکانی از اهداف اولیه اینگونه سازه ها محسوب می شود. در این پژوهش دقت روش شبکه عصبی مصنوعی (ANNs), روش مدل استنتاج عصبی فازی تطبیقی که بر اساس الگوریتم بهینه سازی کرم شب تاب آموزش دیده است (ANFIS-FA) و روش برنامه ریزی بیان ژن (GEP) در تخمین افت انرژی سرریز های پلکانی با رژیم جریان رویه ای مورد بررسی قرار گرفته است. همچنین با انجام آنالیز حساسیت به بررسی اهمیت پارامترهای ورودی در پیش بینی افت انرژی برای هریک از سه روش ذکر شده پرداخته شده است. بدین منظور از تعداد 154 سری داده آزمایشگاهی استفاده شده است. پارامترهای ورودی برای هر روش شامل عدد فرود اولیه پرش, عدد آبشار, تعداد پلکان, شیب سرریز پلکانی و نسبت عمق بحرانی به ارتفاع پله می باشد. نتایج نشان می دهد که هر سه روش توانایی بالاتری در پیش بینی افت انرژی نسبت به روش های کلاسیک برای تخمین افت انرژی که بر پایه روش های متداول رگرسیون گیری بنا شده اند داشته اند. دقت روش ANFIS-FA (با) اندکی بیشتر از روش GEP (با) می باشد. دقت شبکه عصبی اندکی پایین تر از دو روش فوق است. با این وجود بیشترین دقت بدست آمده مربوط به شبکه عصبی پرسپترون چندلایه با 3 لایه مخفی با تعداد بتریتب 12 و 8 و 7 گره در هر لایه می باشد. در هر سه روش موثرترین پارامتر, عدد آبشار و کم اثر گذارترین پارامتر, شیب سرریز پلکانی می باشد.

چندرسانه ای

  • ثبت نشده است.
  • استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    جاعل، آرش، راشکی قلعه نو، محمد، و ذوالقدر، مسیح. (1400). تعیین قابلیت تکنیک های هوش مصنوعی در تخمین استهلاک انرژی سرریزهای پلکانی با رژیم جریان رویه ای. مهندسی عمران امیرکبیر (امیرکبیر)، 53(9 )، 3897-3912. SID. https://sid.ir/paper/1008482/fa

    Vancouver: کپی

    جاعل آرش، راشکی قلعه نو محمد، ذوالقدر مسیح. تعیین قابلیت تکنیک های هوش مصنوعی در تخمین استهلاک انرژی سرریزهای پلکانی با رژیم جریان رویه ای. مهندسی عمران امیرکبیر (امیرکبیر)[Internet]. 1400؛53(9 ):3897-3912. Available from: https://sid.ir/paper/1008482/fa

    IEEE: کپی

    آرش جاعل، محمد راشکی قلعه نو، و مسیح ذوالقدر، “تعیین قابلیت تکنیک های هوش مصنوعی در تخمین استهلاک انرژی سرریزهای پلکانی با رژیم جریان رویه ای،” مهندسی عمران امیرکبیر (امیرکبیر)، vol. 53، no. 9 ، pp. 3897–3912، 1400، [Online]. Available: https://sid.ir/paper/1008482/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.
  • مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button