>
Fa   |   Ar   |   En
   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
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved