|
|
|
|
مقایسه سامانه استنتاج فازی-عصبی تطبیقی (anfis)وسامانه ماشین بردار پشتیبان(svm) در تخمین میزان ضریب دبی سرریزهای لبه‌تیز
|
|
|
|
|
|
|
|
نویسنده
|
فرودی خور علی ,صانعی مجتبی ,اژدری مقدم مهدی
|
|
منبع
|
آبياري و زهكشي ايران - 1396 - دوره : 11 - شماره : 5 - صفحه:772 -784
|
|
چکیده
|
دراین تحقیق به کمک سامانه استنتاج فازی عصبی تطبیقی و همچنین روش ماشین بردار پشتیبان مدل هایی بدون بعد برای برآورد ضریب دبی در سرریزهای لبه تیز قوس محور ارایه شده است. برای واسنجی و صحت سنجی (آزمون) رابطه پیشنهادی، داده های آزمایشگاهی کومارهمکاران (kumar et al., 2012)استفاده گردید و برآورد ضریب دبی از روش های anfis و svm با مدل تجربی آن ها و همچنین مدل سازی برنامه ریزی ژنتیک ظهیری مقایسه شد. نتایج محاسباتی نشان داد که مدل های پیشنهادی از دقت بسیار مناسبی برخوردار می باشند. همچنین نتایج برتر مدل های مذکور متناسب با بار آبی بالادست، ارتفاع سررریز و زاویه انحنای قوس محوری، حاکی از برقراری ارتباط مستقیم میزان ضریب دبی این نوع سرریز با مشخصات جریان است و این در حالی است که در تحقیق حاضر در مدل سازی باanfis الگوی ورودی با روش آموزش هیبریدی و تابع عضویت گوسین دو نقطه ای با دارا بودن بیش ترین ضریب تعیین 0.993 = dc نتایج دقیق تری را نسبت به روش svm با الگوی ورودی تابع گوسی (rbf) و مقادیر γ، c و ε به ترتیب برابر 3، 10 و 0.1 با داشتن 0.98 =dc ارایه می دهد.
|
|
کلیدواژه
|
زاویه قوس، سرریز لبه تیز، ضریب دبی، هوش مصنوعی
|
|
آدرس
|
دانشگاه تبریز, ایران, سازمان تحقیقات آموزش و ترویج کشاورزی, پژوهشکده حفاظت خاک و آبخیزداری, گروه مهندسی رودخانه و سواحل, ایران, دانشگاه سیستان و بلوچستان, دانشکده عمران, ایران
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Comparison of Adaptive Neuro Fuzzy Inference System (ANFIS) and Support Vector Machines(SVM) for discharge capacity prediction of a sharpcrested weirs
|
|
|
|
|
Authors
|
Foroudi Khowr Ali ,Saneie Mojtaba ,Azhdari Moghaddam Mahdi
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|