Modeling of Flow Friction Factor in Irrigation Pipes using Machine Learning Methods and Comparing with Empirical Equations
Abstract:
The implicit Colebrook–White equation has been extensively used to estimate the friction factor of turbulent flow in irrigation pipes. In the meantime, a practical and accurate solution for Colebrook–White equation is, in particular, necessary for hydraulic computations of pressurized irrigation systems. In this paper, the performance of some machine learning methods such as support vector regression (SVR), genetic programming (GP) and M5 model trees have been evaluated and compared to the empirical equations in friction factor estimation. The obtained results from statistical analysis of studied methods showed that Buzzelli and Haaland empirical equations with root mean squared error (RMSE) of 0.00002 and 0.00015, respectively and also genetic programming with RMSE of 0.00031, had better performances among the others. Also, it was concluded that the M5 model trees and SVR with RMSE of 0.00204 and 0.00417, respectively, had lower accuracy in comparison with the empirical equations and genetic programming methods in estimating friction factor of irrigation pipes.
Language:
Persian
Published:
فصلنامه دانش آب و خاک, Volume:26 Issue: 2, 2016
Pages:
45 - 57
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.