تعداد نشریات | 43 |
تعداد شمارهها | 1,262 |
تعداد مقالات | 15,535 |
تعداد مشاهده مقاله | 51,553,593 |
تعداد دریافت فایل اصل مقاله | 14,493,742 |
مدلسازی و تعیین پارامترهای تاثیرگذار در ضریب مقاومت جریان کانالهای فرسایشپذیر با شکل بستر تلماسه (دون) با استفاده از رگرسیون بردار پشتیبان | ||
دانش آب و خاک | ||
مقاله 18، دوره 28، شماره 2، تیر 1397، صفحه 235-248 اصل مقاله (1.89 M) | ||
نویسندگان | ||
کیومرث روشنگر* 1؛ محمد تقی اعلمی2؛ سید مهدی ثاقبیان3 | ||
1دانشیار، گروه مهندسی عمران آب، دانشکده فنی و مهندسی عمران دانشگاه تبریز | ||
2استاد، گروه مهندسی عمران آب، دانشکده فنی و مهندسی عمران دانشگاه تبریز | ||
3دانشجوی دکتری مهندسی عمران – سازههای هیدرولیکی، دانشکده فنی و مهندسی عمران دانشگاه تبریز | ||
چکیده | ||
در مطالعه هیدرولیکی کانالها و رودخانهها، تعیین ضریب مقاومت جریان برای محاسبه دبی، سرعت و عمق جریان امری ضروری بوده و محاسبه مقادیر عددی این ضریب، با توجه به تأثیرگذاری پارامترهای مختلف بر آن پیچیده و مشکل است. در این پژوهش با بهرهگیری از روش ماشین بردار پشتیبان بهعنوان یکی از روشهای یادگیری ماشینی، مقادیر ضریب زبری جریان در بستر فرسایشپذیر با شکل بستر تلماسه (دون)، برای چهار سری از دادههای آزمایشگاهی معتبر در سه سناریو (مدل براساس مشخصات جریان، شکل بستر و جریان و مصالح بستر و جریان) تخمین زده شده و نرخ تأثیر پارامترهای ورودی با توجه به معیارهای ارزیابی مختلف مورد تجزیه و تحلیل قرار گرفته است. نتایج حاصله نشان داد که روش رگرسیون بردار پشتیبان دارای دقت قابل قبولی در تخمین ضریب زبری جریان میباشد. همچنین پارامتر عدد رینولدز جریان با بیشترین تأثیرگذاری، دارای اهمیت بیشتری در تخمین ضریب زبری جریان در بسترهای فرسایشپذیر با شکل بستر دون شناخته شد. | ||
کلیدواژهها | ||
بستر فرسایشپذیر؛ تلماسه؛ رگرسیون بردار پشتیبان؛ ضریب مقاومت جریان؛ عدد رینولدز | ||
مراجع | ||
Anderson, A.G., Paintal, A.S. and Davenport, J.T. 1970. Tentative design procedure for riprap lined channel. Report no. 108, Hihgway Research Bord, National Academy of Sciences-National Academy of Engineering, Washington D C, USA, 75 pp. Azamathulla, H.M., Ghani, A.A., Chang, C.K., Hasan, Z.A., Zakaria, N.A. 2010. Machine learning approach to predict sediment load–a case study. CLEAN Soil, Air, Water 38(10): 969-976. Bruschin, J. 1985. Discussion on Brownlie (1983): Flow Depth in Sand-bed Channels. Journal of Hydraulic Engineering, ASCE 111: 736-739. Camacho, R., Yen, B.C. 1989. Nonlinear Resistance Relationships for Alluvial channels. In: Yen, B.C. (Ed.), Proceedings, International Conference on Channel Flow and Catchment Runoff. University of Virginia, Charlottesville, pp. 392–9. Chiang, J. and Tsai, Y. 2011. Suspended sediment load estimate using support vector machines in Kaoping river basin. In Consumer Electronics, Communications and Networks (CECNet), International Conference, pp. 1750-1753. Ghorbani, M. A., Azani, A., and Naghipoor, L. 2016. Comparison of the preformation of support vector machine with other intelligent techniques to simulator rainfall-runoff process. Journal of Watershed Management Research 13: 92-103. Gunn, S.R. 1998. Support Vector Machines for Classification and Regression. Tech. Report, University of Southampton, UK. Guy, H.P., Simons, D.B. and Richardson, E.V. 1966. Summary of alluvial channel data from flume experiments: 1956-61 (No. 462-I). Hager, W.H. 1999. Modifying Manning's Equation for Flow Rate Estimates. Water and Sewage Works 125(3): 68-69. Henderson, F. M. 1966. Open Channel Flow. Macmillan, New York. Heydari, H., Zarrati, A.R. and Karimaee Tabarestani, M. 2014. Bedform characteristics in a live bed alluvial channel, Scientia Iranica, Transactions A: Civil Engineering 21(6): 1773-1780. Karim, F. 1995. Bed configuration and hydraulic resistance in alluvial-channel flows. ASCE, Journal of Hydraulic Engineering 121(1): 15-25. Legates, D.R., McCabe, G.J. 1999. Evaluating the use of goodness-of-fit measures in hydrologic and hydroclimatic validation. Water Resources Research 35(1): 233–241. Meyer-Peter, E. and Müller, R. 1948. Formulas for bed-load transport. Proc. 2nd Meeting IAHR, Stockholm: 39–64. Nash, J.E., Sutcliffe, J.V. 1970. River flow forecasting through conceptual models part I-A discussion of principles. Journal of hydrology 10(3): 282-290. Nourani, V., Sayyah Fard, M. 2012. Sensitivity analysis of the artificial neural network outputs in simulation of the evaporation process at different climatologic regimes. Journal of advances in Engineering Software 47: 127-146. Roushangar, K. 2010. Open channel flow resistance, (Doctoral Ph.D.). Department of Civil Engineering, University of Tabriz, Iran. Roushangar, K., Vojoudi, F. and Shiri, J. 2014. Modeling river total bed material load discharge using artificial intelligence approaches (based on conceptual inputs). Journal of Hydrology 514: 114-122. Roushangar, K., Koosheh, A. 2015. Evaluation of GA-SVR method for modeling bed load transport in gravel-bed Rivers. Journal of Hydrology 527: 1142-1152. Sepahvand, A., Taei Semiromi, M., Mirnia, S.K. and Moradi, H.R. 2011. Assessing the Sensitivity of Infiltration Models to Variability of Soil Moisture. Journal of Water and Soil 25: 338-346 (In Persian). Simons, D.B., Richardson, E.V. 1966. Resistance to flow in alluvial channels. Professional Paper 422-J. Washington, D.C., U.S. Geological Survey. Simons, D.B., Richardson, E.V. 1963. Form of bed roughness in alluvial channels. Trans. ASCE 128: 284-323. Strickler, A. 1923. Beitrage zur Frage der Geschwindigheits-formel und der Rauhegkeitszahlen fur Strome, Kanale und geschlossene Leitungen. (Some contributions to the problem of the velocity formula and roughness factors for rivers, canals, and closed conduits): Bern, Switzerland, Mitt. Eidgeno assischen Amtes Wasserwirtschaft, No. 16. Tuijnder, A.P., Ribberink, J.S. 2012. Experimental observation and modelling of roughness variation due to supply-limited sediment transport in uni-directional flow. Journal of Hydraulic Research 50(5): 506-520. United States Army Corps of Engineers, U.S. 1935. Waterways Experiment Station, Vicksburg, Mississippi. Studies of River Bed Materials and Their Movement with Special Reference to the Lower Mississippi River, Paper 17, 161 pp. Van der Mark, C.F., Blom, A. and Hulscher, S.J. 2008. Quantification of variability in bedform geometry. Journal of Geophysical research: Earth Surface 113: 1-11. Vapnik V, 1995. The Nature of Statistical Learning Theory. Data Mining and Knowledge Discovery, Springer Verlag, New York, 47p. Williams, G.P. 1970. Flume Width and Water Depth Effects in Sediment Transport Experiments. U.S. Geological Survey, Professional Paper 562-H. Yang, S.Q., Tan, S.K. and Lim, S.Y. 2005. Flow resistance and bed form geometry in a wide alluvial channel. Water Resource Research 41(9): 1-8.
| ||
آمار تعداد مشاهده مقاله: 485 تعداد دریافت فایل اصل مقاله: 627 |