ارزیابی شبکه های پرسپترون چند لایه(MLP) و تابع پایه شعاعی(RBF) در تعیین ضریب سریز جانبی تحت شرایط جریان فوق بحرانی
محل انتشار: هفتمین کنفرانس هیدرولیک ایران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 6,528
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IHC07_154
تاریخ نمایه سازی: 10 مرداد 1387
چکیده مقاله:
امروزه شبکه های عصبی مصنوعی کاربری مطلوبی در مطالعات آبی پیدا نموده است. با استفاده از این روشها می توانبرآوردهایی مناسب در مطالعات داشته باشیم. در این تحقیق اقدام به مقایسه دقت برآوردهای شبکه های عصبی مصنوعی در قبال روشهای تجربی ارائه شده برای ضریب تخلیه سررسزهای جانبی(Cd) در شرایط جریان های فوق بحرانی شده است.سرریز جانبی سازه ای مهم در تاسیسات آبی است که معمولاَ به عنوام حفاظی در بالا دست سیفونهای معکوس و زیر گزر جاده ها استفاده می گردد.جهت بدست آوردن برآوردهای مناسب، از شبکه عصبی(MLP) با قانون یادگیری Back ProPagation و شبکه(RBF) و پارامترهای مؤثر، عدد فرود در بالا دیت سرریز(Fr1) ، ارتفاع سرریز به عمق جریان (S/Y1)، طول سرریز به عمق جریان(L/Y1)، طول کانال به عرض کانال(L/B) به عنوان ورودی شبکه عصبی استفاده گردید. به منظور ارزیابی دقت برآوردها از پارامترهای آماری R2و RMSE استفاده شد، بررسی نتایج حاکی از دقت بالای برآوردهای شبکه های عصبی مصنوعی در قبال فرمول های تجربی بود. کارایی شبکه MLP نسبت به شبکه RBF مناسبتر ارزیابی گردید.
نویسندگان
مجید حیدری
استادیار و عضو هیئت علمی گروه آب دانشکده کشاورزی دانشگاه بوعلی سینا
حمید زارع ابیانه
استاد یار و عضو هیئت علمی گروه آب دانشکده کشاورزی دانشگاه بوعلی سینا
عادل قاسمی
دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشکده کشاورزی دانشگاه بوعلی سی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :