مدلسازی ضریب اصطکاک جریان در لوله های آبیاری با استفاده از روش های یادگیری ماشینی و مقایسه عملکرد آنها با روابط تجربی

چکیده:
معادله ضمنی کلبروک - وایت به صورت گستردهای برای برآورد ضریب اصطکاک برای جریان متلاطم در
لوله های آبیاری مورد استفاده قرار گرفته است. در این میان، ارائه یک راه حل کاربردی و دقیق برای معادله کلبروک - وایت بهمنظور استفاده در محاسبات هیدرولیکی سیستم های آبیاری تحت فشار امری ضروری است. در این مقاله در پیشبینی M عملکرد چند روش یادگیری ماشینی شامل رگرسیون بردار پشتیبان، برنامه ریزی ژنتیک و مدل درختی 5 ضریب اصطکاک ارزیابی شده و با روابط تجربی ارائه شده توسط محققان مورد مقایسه قرار گرفته است. نتایج حاصل از تحلیل آماری روش های مورد مطالعه نشان داد که روابط تجربی بوزلی و هالند بهترتیب با مقادیر جذر میانگین 0/ 0 و همچنین روش برنامهریزی ژنتیک با جذر میانگین مربعات خطای 00031 / 0 و 00015 / مربعات خطای 00002
عملکرد بهتری در مقایسه با دیگر روش ها داشته اند. همچنین با بررسی های به عمل آمده مشخص گردید که مدلهای 0 دقت به - / 0 و 00417 / و رگرسیون بردار پشتیبان بهترتیب با داشتن جذر میانگین مربعات خطای 00204 M درختی 5 مراتب کمتری نسبت به روابط تجربی و روش برنامه ریزی ژنتیک در برآورد ضریب اصطکاک در لوله های آبیاری دارند.
زبان:
فارسی
صفحات:
45 -57
لینک کوتاه:
magiran.com/p1553234 
برخی از خدمات از جمله دانلود متن مقالات تنها به مشترکان مگیران ارایه می‌گردد. شما می‌توانید به یکی از روش‌های زیر مشترک شوید:
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 300,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!
توجه!
  • دسترسی به متن مقالات این پایگاه در قالب ارایه خدمات کتابخانه دیجیتال و با دریافت حق عضویت صورت می‌گیرد و مگیران بهایی برای هر مقاله تعیین نکرده و وجهی بابت آن دریافت نمی‌کند.
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.