شبیه سازی ضریب دبی سرریزهای کنگره ای توسط مدل های نوین هوش مصنوعی

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

در این مقاله، برای اولین بار با استفاده از روش هوش مصنوعی نوین تحت عنوان ORELM ضریب دبی سرریزهای کنگره ای تخمین زده شدند. در ابتدا، تعداد نرون های لایه مخفی بهینه مساوی با 15 انتخاب شد. سپس نتایج توابع فعال سازی مختلف مورد ارزیابی قرار گرفت که دقت ترین تابع فعال سازی برای مدل عددی شناسایی گردید. در ادامه، با استفاده از پارامترهای ورودی موثر بر روی ضریب دبی سرریزهای کنگره ای، هفت مدل ORELM مختلف توسعه داده شدند و با انجام تحلیل حساسیت، مدل برتر و موثرترین پارامترهای ورودی شناسایی شدند. به عنوان مثال، مقادیر شاخص های آماری R2، RMSRE و NSC برای مدل برتر به ترتیب مساوی با 943/0، 224/5 و 940/0 محاسبه شدند. همچنین، پارامترهای ورودی نسبت هد روی سرریز به ارتفاع سرریز (HT/P) و نسبت عرض یک کنگره به ارتفاع سرریز (w/P) به عنوان مهمترین پارامترهای ورودی شناسایی شدند. سپس برای مدل های عددی یک تحلیل عدم قطعیت اجرا و نشان داده شد که مدل ORELM دارای عملکردی بیشتر از واقعی بود.

زبان:
فارسی
در صفحه:
3
لینک کوتاه:
magiran.com/p2155754 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 990,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • 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.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 50 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!