تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,047 |
تعداد مشاهده مقاله | 52,590,073 |
تعداد دریافت فایل اصل مقاله | 15,269,422 |
مدلسازی ضریب دبی سرریز کرامپ با استفاده از روشهای یادگیری ماشینی | ||
دانش آب و خاک | ||
مقاله 1، دوره 26، شماره 4.2، اسفند 1395، صفحه 1-12 اصل مقاله (473.29 K) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
محمدتقی ستاری* 1؛ فرزین سلماسی2؛ امیر حاجی محمدی3 | ||
11- استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز | ||
2دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز | ||
33- کارشناس ارشد عمران آب، دانشگاه آزاد اسلامی واحد مراغه | ||
چکیده | ||
سرریز کرامپ در طبقه بندی سرریزها در میان سرریزهای لبه کوتاه جای میگیرد. طراحی این سرریز بهگونهای است که شیب بالادست آن بیشتر از شیب پاییندست آن بوده و موجب میشود که رسوبات بهراحتی تخلیه گردند. در این تحقیق عملکرد روشهای -kنزدیکترین همسایگی و رگرسیون بردار پشتیبان در مدلسازی ضریب دبی سرریز کرامپ با استفاده از دادههای آزمایشگاهی موردبررسی قرار گرفت. دادهها در 174 دسته و 9 ترکیب مختلف از پارامترهای ورودی شامل شیب بالادست (Sup )، شیب پاییندست (Sdo)، عدد رینولدز (Re) و نسبت عمق آب روی سرریز در بالادست به ارتفاع سرریز (h1/P) مورداستفاده قرار گرفت. در چهار مرحله بهترتیب 66، 70، 75 و 80 درصد دادههای آزمایشگاهی برای آموزش و مابقی آنها در هر مرحله جهت آزمون استفاده گردید. براساس یافتهها در هر دو روش، بهترین نتیجه زمانی حاصل میشود که از 80 درصد دادهها برای آموزش و 20 درصد دادهها برای آزمون استفاده شود. از سوئی دیگر روش نزدیکترین همسایگی در مقایسه با رگرسیون بردار پشتیبان از توانمندی بیشتری در مدلسازی ضریب دبی سرریز کرامپ برخوردار بوده و نسبت (h1/P) تأثیر مهمی در تخمین ضریب دبی سرریز کرامپ داشته و قادر است با دقت نسبتاً بالایی ضریب دبی سرریز را مدلسازی نماید. همچنین نتایج نشان داد با کاربرد ترکیب ورودی شامل پارامترهای h1/P, Sup , Sdo، روشهای رگرسیون بردار پشتیبان و نزدیکترین همسایگی بهترتیب با ضرایب همبستگی 969/0 و 987/0 بیشترین دقت را از خود نشان دادند. | ||
کلیدواژهها | ||
رگرسیون بردار پشتیبان؛ سرریز کرامپ؛ ضریب دبی؛ -kنزدیکترین همسایگی | ||
مراجع | ||
شکری ن، فرهودی ج و گودرزی ا، 1387. تأثیر شیب وجه پاییندست و بالادست سرریز مستطیلی لبهپهن بر شرایط جریان. نشریه دانشکده فنی دانشگاه تبریز، دوره 37. شماره 3 (پیاپی 55)،صفحههای 9 تا 19. شهرابی ج و ذوالقدر شجاعی ع، 1390. دادهکاوی پیشرفته (مفاهیم و الگوریتمها)، انتشارات جهاد دانشگاهی واحد صنعتی امیرکبیر، صفحههای 457 تا429. عباسپور ا، عبداله پور م و سلماسی ف، 1392. شبیهسازی عددی جریان روی سرریز لبهپهن مستطیلی با وجوه شیبدار بالادست و پاییندست با مدل فلوئنت. نشریه دانش آبوخاک، جلد 23، شماره 4، صفحههای 265 تا 276. عزمی م و عراقینژاد ش، 1392. توسعه روش رگرسیون- Kنزدیکترین همسایگی در پیشبینی جریان رودخانه. آب و فاضلاب، دوره 23، شماره 2 (مسلسل 82)، صفحههای 107 تا 118. فدائی کرمانی ا، بارانی غ و قائینی حصاروئیه م، 1391. پیشبینی خطر وقوع جریانهای گردابی در آبگیر قائم با استفاده از مدل نزدیکترین همسایگیK. فصلنامه علمی پژوهشی مهندسی آبیاری و آب، سال 3، شماره 10، صفحههای 92 تا 100. ترکمان غ، 1392. ارزیابی عملکرد روشهای ANFIS و مدل M5در مدلسازی ضریب دبی در سرریز کرامپ. پایاننامه کارشناسی ارشد، دانشگاه آزاد اسلامی واحد اهر. حاجیپور قع، 1388. بررسی مشخصههای جریان در سرریز کرامپ با مدل فیزیکی و CFD. پایاننامه کارشناسی ارشد، گرایش سازههای آبی، دانشکده کشاورزی دانشگاه تبریز. حبیبی م و خسروجردی ا، 1387. بررسی ضریب آبگذری سرریز کرامپ و مقایسه آن با سرریز اوجی با استفاده از نرمافزار FLUENT. 10 صفحه. سومین کنفرانس مدیریت منابع آب، 23 تا 25 مهرماه، دانشگاه تبریز، تبریز. Brandsma T and Onnen GPK, 2006. Application of nearest neighbor re-sampling for homogenizing temperature records on a daily to sub daily level. International Journal of Climatology 26(1): 75–89. Christopher J and Burges D, 1998. A tutorial on support vector machines for pattern recognition. Data Mining and Knowledge Discovery 2(2): 121 – 167. Haun S, Reidar BN, Feurich O and Feurich R, 2011. Numerical modeling of flow over trapezoidal broad crested weir. Engineering Application of Computational Fluid Mechanics 5(3): 327-405. Sargison JE and Percy A, 2009. Hydraulics of broad-crested weirs with varying side slopes. Journal of Irrigation and Drainage Engineering, ASCE 135(1): 115-118. Witten IH, Eibe F and Mark H, 2011. Data Mining: Practical Machine Learning Tools and Techniques. San Francisco, Morgan Kaufmann 629p. | ||
آمار تعداد مشاهده مقاله: 1,504 تعداد دریافت فایل اصل مقاله: 1,262 |