برآورد مشخصات پرش هیدرولیکی متحرک با کاربرد شبکه عصبی مصنوعی و روش تلفیقی شبکه عصبی-الگوریتم ژنتیک

نویسندگان

عاطفه پرورش ریزی

صلاح کوچک زاده

محمدحسین امید

چکیده

پرش هیدرولیکی متحرک، حالت خاصی از جریان غیرماندگار است که باعث تغییر رژیم و وقوع ناپیوستگی هیدرولیکی در جریان می شود . در روندیابی جریان غیرماندگار و یا برنامه های بهره برداری کانال های روباز، آگاهی از رفتار چنین جریانی در باز ه ها ضروری است . این درحالی است که شبیه سازی عددی این پدیده به واسطه وجود ناپیوستگی هیدرولیکی و غیرماندگاری جریان، پیچیده است و داده های آزمایشگاهی در این مورد نیز محدود هستند . به این ترتیب جمع آوری داده های آزما یشگاهی و تجزیه وتحلیل آنها با استفاده از توانایی سیستم های هوشمند، می تواند در برآورد مشخصات موردنظر پرش هیدرولیکی متحرک کارآمد باشد . در این تحقیق داده های جریا ن های غیرما ندگار جمع آوری شده از یک فلوم آزمایشگاهی مستطیلی، با استفاده از شبکه مصنوعی و همچنین با کاربرد الگوریتم ژنتیک برای بهینه سازی پارامترهای شبکه عصبی، مورد تحلیل قرارگرفت . در آزمایش ها، جریان غیرماندگار و شرایط مختلف پرش هیدرولیکی متحرک، با ایجاد هیدروگراف های متنوع دبی در بالادست، تولید شد . با اجرای الگوی پرسپترون شبکه عصبی و بهینه سازی پارام ترهای آن توسط الگوریتم ژنتیک، پارامترهای مختلف پرش برآورد شدند . نتایج نشان داد که شبکه عصبی و یا به عنوان یک گزینه برتر، تلفیق این شبکه با الگوریتم ژنتیک، می تواند به عنوان یک الگوریتم مکمل در مد ل های عددی و یا الگوریتم های بهره برداری، برای برآورد مشخصات پرش هیدرولیکی در جریان غیرماندگار به کار رود . به ویژه مشخصات مقطع زیربحرانی بعد از پرش، با دقت مناسبی قابل برآورد است . همچنین آزمون و توسیع این روش برای شرایط جامع آزمایشگاهی و صحرایی می تواند به عرضه ابزاری ساده و کارآمد در روندیابی این نوع جریان منجر شود.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

برآورد مشخصات پرش هیدرولیکی متحرک با کاربرد شبکه عصبی مصنوعی و روش تلفیقی شبکه عصبی-الگوریتم ژنتیک

پرش هیدرولیکی متحرک، حالت خاصی از جریان غیرماندگار است که باعث تغییر رژیم و وقوع ناپیوستگی هیدرولیکی در جریان می شود . در روندیابی جریان غیرماندگار و یا برنامه های بهره برداری کانال های روباز، آگاهی از رفتار چنین جریانی در باز ه ها ضروری است . این درحالی است که شبیه سازی عددی این پدیده به واسطه وجود ناپیوستگی هیدرولیکی و غیرماندگاری جریان، پیچیده است و داده های آزمایشگاهی در این مورد نیز محدو...

متن کامل

«یادداشت تحقیقاتی» کاربرد شبکه عصبی مصنوعی در برآورد مشخصات پرش هیدرولیکی درحوضچه آرامش با دیواره همگرا و شیب کف منفی

در این تحقیق از شبکة عصبی مصنوعی برای مدل‌سازی طول و عمق ثانویة پرش هیدرولیکی در حوضچة آرامش با دیوارة همگرا و شیب کف منفی -که یکی از حالت‌های خاص و پیچیده در پرش هیدرولیکی است- استفاده شده است. تعداد 1682 دادة آزمایشگاهی طول و عمق ثانویة پرش هیدرولیکی مربوط به مقاطع مستطیلی، برای شیب کف منفی %6/0-، %3/1- و %2- با زاویة همگرایی %7/2، %4 و %3/5 استفاده شده است. در توسعة مدل شبکه، 15 ساختار پرسپت...

متن کامل

پیش بینی مشخصات پرش هیدرولیکی بر روی بستر زبر با استفاده از شبکه عصبی مصنوعی و برنامه ریزی ژنتیک

در تحقیق حاضر مشخصات پرش هیدرولیکی با تحلیل عمق و طول غلتان پرش بر روی بسترهای زبرکه بصورت تابعی از ارتفاع زبری و عدد فرود بالادست می­باشد با استفاده از مدل شبکه­عصبی و برنامه­ریزی ژنتیک شبیه­سازی گردید. عدد فرود اولیه جریان در محدوده 9/1 تا 10 و زبری نسبی بستر در محدوده 085/0 تا 025/2 قرار داشت. در کل تعداد 454 داده مشاهداتی پرش هیدرولیکی برای آموزش وتست مدل های شبکه عصبی و برنامه­ریزی ژنتیک (...

متن کامل

کاربرد شبکه عصبی مصنوعی دربرآورد پروفیل پرش هیدرولیکی درحوضچه آرامش با دیواره¬های همگرا

در این تحقیق، از یک شبکه عصبی مصنوعی در برآورد پروفیل پرش هیدرولیکی در حوضچه آرامش همراه با دیواره همگرا  که از حالت­های خاص و پیچیده پرش هیدرولیکی می­باشد، استفاده شده است. تعداد 1500 داده آزمایشگاهی اعماق پرش هیدرولیکی مربوط به مقاطع مستطیلی، برای همگرایی  %7/2،  %4 و %3/5 مورد استفاده قرار گرفته است. در توسعه مدل شبکه عصبی مصنوعی، 10 ساختار پرسپترون، با تعداد لایه­های پنهان و نرون­های مختلف،...

متن کامل

پیش بینی مشخصات پرش هیدرولیکی بر روی بستر زبر با استفاده از شبکه عصبی مصنوعی و برنامه ریزی ژنتیک

در تحقیق حاضر مشخصات پرش هیدرولیکی با تحلیل عمق و طول غلتان پرش بر روی بسترهای زبرکه بصورت تابعی از ارتفاع زبری و عدد فرود بالادست می­باشد با استفاده از مدل شبکه­عصبی و برنامه­ریزی ژنتیک شبیه­سازی گردید. عدد فرود اولیه جریان در محدوده 9/1 تا 10 و زبری نسبی بستر در محدوده 085/0 تا 025/2 قرار داشت. در کل تعداد 454 داده مشاهداتی پرش هیدرولیکی برای آموزش وتست مدل های شبکه عصبی و برنامه­ریزی ژنتیک (...

متن کامل

استفاده از شبکه ¬عصبی¬مصنوعی درپیش¬بینی خصوصیات پرش هیدرولیکی درمقاطع مستطیلی واگرا با شیب معکوس

حوضچه آرامش از مهمترین سازه­های مستهلک کننده انرژی جریان در پایین­دست سازه­های آبی که جریان در آن­ها حالت فوق بحرانی دارد، می­باشد. نظر به اهمیت این سازه و همچنین پرهزینه بودن احداث آن، ضرورت مدل کردن قبل از ساخت کاملا محسوس می­باشد. همچنین مدل کردن این سازه در شرایط آزمایشگاهی برای حالات مختلف پرهزینه بوده و نیاز به زمان زیادی دارد. لذا از گذشته سعی بر این بوده که خصوصیات پرش هیدرولیکی از قبیل...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
مجله علوم کشاورزی ایران

ناشر: پردیس کشاورزی و منابع طبیعی دانشگاه تهران

ISSN

دوره 37

شماره 1 2006

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023