| تعداد نشریات | 282 |
| تعداد نشریات سازمان | 80 |
| تعداد شمارهها | 3,227 |
| تعداد مقالات | 35,748 |
| تعداد مشاهده مقاله | 53,960,947 |
| تعداد دریافت فایل اصل مقاله | 93,132,506 |
افزایش دقت پیشبینی ضریب دبی در سرریزهای لبهتیز قوس محور با استفاده از الگوریتمهای تکاملی و شبکه هوش مصنوعی | ||
| مهندسی و مدیریت آبخیز | ||
| مقاله 7، دوره 11، شماره 4، دی 1398، صفحه 891-902 اصل مقاله (1.26 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/ijwmse.2018.107174.1167 | ||
| نویسندگان | ||
| مجتبی صانعی1؛ علی فرودی خور* 2 | ||
| 1دانشیار، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران | ||
| 2دانشجوی دکترای، دانشکده مهندسی عمران، دانشگاه تبریز | ||
| چکیده | ||
| سرریزها یکی از سازههای متداول برای تخلیه و اندازهگیری جریان هستند، به همین منظور این نوع سازههای هیدرولیکی بسته به هدف مورد استفاده، دارای اشکال مختلفی هستند. ضرایب طراحی سرریزها که در مراجع استاندارد طراحی در دسترس است، مربوط به سرریزهایی است که امتداد آنها عمود بر جهت جریان است. در برخی از موارد بهدلیل محدودیتهای اجرایی و طراحی، استفاده از سرریزهای کنگرهای، سرریزهای جانبی و همچنین، طراحی سرریزهای قوس محور اجتنابناپذیر است. تا کنون در زمینه تخمین ضریب دبی این سرریزها و نیز استخراج رابطه دبی-اشل آنها تحقیقات بسیار کمی انجام شده است. در این تحقیق، به کمک روش نوین بهینهسازی برنامهریزی بیان ژن و همچنین، روش شبکه هوش مصنوعی روابطی بدون بعد بر اساس پارامترهای زاویه قوس سرریز و نسبت بار آبی بالادست سرریز به ارتفاع آن برای برآورد ضریب دبی این سازهها ارائه شده است. برای واسنجی و صحتسنجی (آزمون) رابطه پیشنهادی، دادههای آزمایشگاهی Kumar و همکاران استفاده شده است. مقایسه نتایج محاسباتی این رابطه با مقادیر آزمایشگاهی ضریب دبی سرریزهای قوسی نشان داد که روابط پیشنهادی از دقت بسیار مناسبی برخوردار است. با توجه به معیارهای عملکرد، دو مدل برای GEP و یک روش برای ANN انتخاب شدند که در همه این مدلها الگوی ورودی یکسان میباشد. در روش منحنی برنامهریزی ژنتیک الگوی ورودی با عملگرهای 2F و 4F با داشتن بیشترین ضرایب تعیین برای دادههای آزمون بهترتیب 0.924=DC و 0.956=DC بهترین عملگرها در این روش انتخاب شدند. همچنین، در روش ANN نیز با متغیر قرار دادن تعداد نورونها در لایههای مخفی در بازه 10-2، مدل حاضر با تعداد 10 نورون دارای بیشترین 0.962=DC نسبت به الگوهای دیگر میباشد. | ||
| کلیدواژهها | ||
| اندازهگیری جریان؛ برنامهریزی بیان ژن؛ سازه هیدرولیکی؛ شکل قوس-محور؛ روش Kumar | ||
| عنوان مقاله [English] | ||
| Enhancing accuracy of discharge capacity prediction of a sharp-crested curved plan-form weirs under free flow conditions using evolutionary algorithms and artificial neural networks | ||
| نویسندگان [English] | ||
| Mojtaba Saneie1؛ Ali Forudi2 | ||
| 1Associated professor , Soil Conservation and Watershed Management Research Institute, Agricultural Research, Education and Extension Organization (AREEO), Trhran, Iran | ||
| 2PhD Student, Faculty of Civil Engineering, University Of Tabriz | ||
| چکیده [English] | ||
| Weirs are one of the common structures for discharge and flow measurement. Therefore, these types of hydraulic structures depending on the purpose of usage, have different shapes. Weirs have been widely used for the purpose of flow measurement and flow control in open channels. Generally they are used as normal weirs. For the purpose of flow diversion, they can also be used as side weirs or skew weirs. Various weirs of modified plan form have been suggested in the past to enhance their discharging capacity with minimum head over the weirs and to restrict the afflux. The aim of this study is to apply different methods to investigate the discharging capacity of a sharp-crested curved plan-form weirs under free flow conditions using original experimental dataset through the Artificial Neural Networks (ANNs) and Genetic Expression Programming (GEP) techniques. Subsequently, for training and testing of the proposed equation, experimental data of Kumar et al. have been used. A preliminary investigation on various GEP operators is also carried out for selecting the proper operators. The obtained results indicate that applied machine learning techniques have reliable performance in predicting discharging capacity of a sharp-crested curved plan-form weirs. Comparison of results obtained from this equation with the experimental data reveals high accuracy of the new equation of genetic programming and result of the ANNs. Determination coefficient of the proposed equation for discharge coefficient have been calculated as 0.956 and 0.924 for the model with best functions (F2 and F4), also this parameter calculated for ANNs as 0.962 for testing phase. | ||
| کلیدواژهها [English] | ||
| Curved plan-form, Flow measurement, Genetic programming, Hydraulic structure, Kumar method, Sharp crested weir | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 879 تعداد دریافت فایل اصل مقاله: 439 |
||