|
|
تعیین پارامترهای تاثیرگذار بر ضریب دبی سرریزهای اوجی قوس محور با استفاده از روش ماشین بردار پشتیبان(svm) و مقایسه با روش شبکه فازی-عصبی تطبیقی(anfis)
|
|
|
|
|
نویسنده
|
روشنگر کیومرث ,فرودی خور علی ,صانعی مجتبی
|
منبع
|
آبياري و زهكشي ايران - 1396 - دوره : 11 - شماره : 4 - صفحه:647 -657
|
چکیده
|
الگوی سه بعدی جریان در سرریزهای اوجی و نامحدود بودن تغییرات پارامترهای هندسی به مانند تصحیح جزیی در شکل تاج یا تغییرات سازهای از یک سو و محدودیت اطلاعات قابل دسترس در مورد هیدرولیک سرریزهای اوجی قوس محور از سوی دیگر، به عنوان چالشی بزرگ، باعث گردیده تا به کارگیری سیستم های فرامدل و داده گرا مورد توجه محققان قرار گیرد. در تحقیق کنونی پیش بینی ضریب دبی با استفاده از داده های آزمایشگاهی و بکارگیری روشهای هوش مصنوعی (ماشین بردار پشتیبان svm و سیستم استنتاج تطبیقی عصبی فازی anfis) انجام شد. بدین منظور از داده های مدل آزمایشگاهی از این سرریز با چندین زاویه همگرایی دیواره های هادی (ساخته شده توسط نگارندگان) استفاده و به ازای مدل های مختلف، مورد ارزیابی قرار گرفت. نتایج حاصله نشان داد که نسبت هد طراحی به عمق بحرانی ( ) بیش ترین تاثیر را در تخمین ضریب دبی در مدل برتر و پارامترهای هد بالادست به هد طراحی ( ) و هد بالادست به ارتفاع سرریز ( )تاثیر تقریبا یکسان و کم تری را در این مدل دارا می باشند. همچنین نتایج عملکرد مناسب روش های svm و anfis را تایید می نماید بطوری که در ﺑﻬﺘﺮﻳﻦ ﺣﺎﻟﺖ ارزﻳﺎﺑﻲ آزﻣﻮن، در روش svm مقادیر 0.966 ,r=0.93 dc=و 0.06=rmse و ﺑﺮای روش anfis مقادیر0.945r=، 0.885dc= و0.088 =rmse ﻣﺸﺎﻫﺪه ﮔﺮدﻳﺪ.
|
کلیدواژه
|
دیوارههای هادی همگرا، سرریز اوجی، ضریب دبی، svm،anfis
|
آدرس
|
دانشگاه تبریز, گروه مهندسی عمران, ایران, دانشگاه تبریز, ایران, پژوهشکده حفاظت خاک و آبخیزداری, گروه مهندسی رودخانه و سواحل, ایران
|
|
|
|
|
|
|
|
|
|
|
Prediction of Discharge Coefficient for Ogee Spillway with Curve Axis Using Support Vector Machine by Comparison with Adaptive Neuro Fuzzy Inference System
|
|
|
Authors
|
Roushangar Kayumars ,Foroudi Khowr Ali ,Saneie Mojtaba
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|