آمار
| تعداد نشریات | 13 |
| تعداد شماره‌ها | 639 |
| تعداد مقالات | 6,654 |
| تعداد مشاهده مقاله | 9,100,110 |
| تعداد دریافت فایل اصل مقاله | 8,571,983 |
تخمین هوشمند حداکثر عمق آب‌شستگی اطراف آب‌شکن‌های L شکل با استفاده از شبکه‌های عصبی مصنوعی و سیستم استنتاج فازی- عصبی | ||
| مجله پژوهش‌های حفاظت آب و خاک | ||
| مقاله 21، دوره 16، شماره 1، خرداد 1388، صفحه 143-161 اصل مقاله (277.15 K) | ||
| نوع مقاله: مقاله کامل علمی پژوهشی | ||
| چکیده | ||
| از جمله مسایل مهم در طراحی آب‌شکن‌ها، پدیده آب‌شستگی موضعی دماغه آنها می‌باشد که به‌علت تنگ‌شدگی مقطع جریان و وجود گردابه‌های قوی به‌وجود می‌آید و یکی از شاخص‌های مهم در تعیین مشخصات حفره‌ی آب‌شستگی، حداکثرعمق آب‌شستگی می‌باشد. امروزه شبکه‌های عصبی کاربردهای بسیاری در مسایل مختلف مهندسی آب که رابطه و الگوی مشخصی بین عوامل مؤثر بر وقوع یک پدیده وجود ندارد، پیدا کرده است. بنابراین در این پژوهش از دو روش شبکه عصبی مصنوعی، سیستم استنتاج فازی عصبی به برآورد میزان عمق آب‌شستگی اطراف آب‌شکن L- شکل پرداخته شده است. همچنین نتایج به‌دست آمده از این روش‌ها با رابطه تجربی موجود مقایسه شده است. برای شبکه عصبی مصنوعی از یک لایه میانی با 5 نرون استفاده شد. تابع محرک لایه میانی نیز تانژانت هیپربولیک و تابع محرک لایه خروجی سیگموئید درنظر گرفته شد. سیستم استنتاج فازی- عصبی به‌کار رفته در این تحقیق نیز سوگینو می‌باشد که از الگوریتم یادگیری پیوندی برای تعیین پارامترهای سیستم فازی استفاده می‌کند. ضریب همبستگی برای داده‌های آزمون در شبکه عصبی مصنوعی، سیستم استنتاج فازی عصبی و رابطه تجربی به‌ترتیب 97/0، 99/0 و 93/0 به‌دست آمده است. مقایسه نتایج نشان‌دهنده قدرت بالای سیستم‌های هوشمند (به‌خصوص سیستم استنتاج فازی عصبی) در یادگیری و تخمین عمق آب‌شستگی اطراف این نوع آب‌شکن می‌باشد. | ||
|
آمار تعداد مشاهده مقاله: 1,190 تعداد دریافت فایل اصل مقاله: 701 |
||
سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب