تخمین ضریب دبی دریچه‌های کشویی در شرایط جریان مستغرق با بهره‌گیری از فنون محاسبات نرم | ||
| مدل سازی در مهندسی | ||
| مقاله 1، دوره 20، شماره 71، زمستان 1401، صفحه 1-12 اصل مقاله (1.29 M) | ||
| نوع مقاله: مقاله عمران | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2022.23349.2090 | ||
| نویسندگان | ||
| آرمان علیرضازاده صدقیانی1؛ میر علی محمدی* 2؛ میثاق گلوانی3؛ بابک واحددوست4 | ||
| 1گروه مهندسی آب /دانشکده عمران/دانشگاه تبریز/تبریز/ایران | ||
| 2دانشیار مهندسی عمران- هیدرولیک و مکانیک مهندسی رودخانه، دانشکده فنی و مهندسی، دانشگاه ارومیه. | ||
| 3دانشجوی کارشناسی ارشد مهندسی عمران- سازه، دانشکده فنی، دانشگاه ارومیه، ایران | ||
| 4استادیار گروه مهندسی عمران، دانشکده فنی، دانشگاه صنعتی بورسا، ترکیه | ||
| چکیده | ||
| تخمین ضریب دبی دریچه‌های کشویی در شرایط جریان آزاد و مستغرق همواره یکی از موضوعات مورد علاقه محققین هیدرولیک بوده است. در سال‌های اخیر روابط نیمه تجربی مختلفی به‌منظور تخمین ضریب دبی دریچه‌های کشویی در شرایط جریان مستغرق ارائه شده که کاربرد این روابط اغلب با خطاهای بزرگی همراه بوده است. هدف از پژوهش حاضر استفاده از روش‌های رگرسیون فرایند گاوسی (GPR) و ماشین بردار پشتیبان (SVM) به عنوان فنون محاسبات نرم به‌منظور تخمین ضریب دبی دریچه‌های کشویی در شرایط جریان مستغرق و مقایسه نتایج حاصل با روش‌های نیمه تجربی بوده است. بدین منظور، با به‌کارگیری تعداد 122 دادة آزمایشگاهی، مدل‌های مختلفی بر اساس ترکیب پارامترهای بدون بعد تعریف شده و دقت این مدل‌ها مورد ارزیابی قرار گرفت. نتایج حاصل کارایی بالای روش‌های هوش مصنوعی را نسبت به روش‌های تجربی به‌خوبی نشان داد. به راستی، بررسی مدل‌های مختلف نشان داد که تکنیک ماشین بردار پشتیبان به همراه پارامترهای ورودی y_t⁄w ، y_"0" ⁄w ،"1"/〖Fr〗^"2" و S با دارا بودن مقادیر 017/0RMSE=، 97/0R= و 95/0NSE= عملکرد بهتری نسبت به تکنیک رگرسیون فرایند گاوسی و سایر روش‌های نیمه تجربی در تخمین ضریب دبی دریچه‌های کشویی در شرایط جریان مستغرق دارا می‌باشد. | ||
| کلیدواژه‌ها | ||
| دریچه‌کشویی "؛ ضریب دبی"؛ هوش مصنوعی"؛ ماشین بردار پشتیبان"؛ "؛ روش‌های نیمه تجربی" | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,505 تعداد دریافت فایل اصل مقاله: 886 |
||
| تعداد نشریات | 22 |
| تعداد شماره‌ها | 732 |
| تعداد مقالات | 10,569 |
| تعداد مشاهده مقاله | 73,816,963 |
| تعداد دریافت فایل اصل مقاله | 65,326,394 |