پیش بینی اتلاف کارمایه در سرریز توری سنگی پله ای با استفاده از شبیه درختیM۵

سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 27

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_WEJMI-6-4_006

تاریخ نمایه سازی: 19 اسفند 1402

چکیده مقاله:

سازه های توری سنگی کاربردهای زیادی در طرحهای آبی، بخصوص انواع سرریزها، دارند. اتلاف کارمایه جریان از روی این سازه ها زیاد بوده، و لذا هزینه های ساختن حوضچه­ی آرامش کاهش می یابد. از نقطه نظر کیفیت آب و تاثیر بر محیط زیست، سرریزهای توری سنگی نفوذپذیر تاثیر منفی کمتری نسبت به سرریزهای صلب نفوذناپذیر دارند. در این تحقیق، توانایی شبیه درختی M۵ جهت برآورد اتلاف کارمایه از روی سرریزهای توری سنگی پله ای بررسی شده است. شبیه درختی M۵ دارای دو گزینه­ی M۵P و M۵Rule می باشد، که تفاوت آنها در نوع خروجی شبیه است. برای این منظور، از داده های اندازه گیری شده بر روی ۸ نمونه­ی فیزیکی در خصوص استهلاک کارمایه بر روی سرریز های توری سنگی پله ای استفاده شده است. نتایج نشان میدهند که شبیه M۵Rule به عنوان یکی از روشهای داده کاوی در پیش بینی اتلاف کارمایه از روی سرریز توری سنگی عملکرد خوبی داشته (۹۴۶/۰)، و بده و ارتفاع سرریز جزء مهمترین فراسنجهای دخیل در محاسبه­ی اتلاف کارمایه می باشند. مقایسه­ی نتایج به دست آمده از روش M۵ با وایازی خطی لجستیک، نشان از قدرت پیش بینی بالای این روش داشت.

کلیدواژه ها:

داده کاوی ، شبیه درختی M۵ ، افت کارمایه ، سرریز توری سنگی پله ای

نویسندگان

فرناز نهرین

دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

محمد تقی ستاری

عضو هیئت علمی گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

فرزین سلماسی

عضو هیئت علمی گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Alberg, D., M. Last, and A. Kandel. ۲۰۱۲ ...
  • Knowledge discovery in data streams withregression tree methods. WIREs DataMining ...
  • Bhattacharya, B., and D.P. Solomatine ...
  • ۲۰۰۴. Neural networks and M۵ modeltrees in modeling water level-dischargerelationship. ...
  • Ditthakit, P., and C.H. Chinnarasri. ۲۰۱۲ ...
  • Estimation of pan coefficient using M۵model tree. Am.J.Environ.Sci. ۸: ۹۵-۱۰۳ ...
  • Kells, J.A. ۱۹۹۳. Discussion of spatiallyvaried flow over rockfill embankments ...
  • Can. Civ. Eng. ۲۰: ۸۲۰-۸۲۷ ...
  • Mohamed, H.I. ۲۰۱۰. Flow over gabionweirs. J. Irrig. Drain. Eng. ...
  • Pal, M. ۲۰۰۶. M۵ model tree for landcover classification. Int.J.Remote ...
  • Peyras, L., P. Royet, and G. Degoutte ...
  • ۱۹۹۲. Flow and energy dissipation overstepped gabion weirs. J. Hydraul. ...
  • Div. ASCE. ۱۱۸: ۷۰۷-۷۱۷ ...
  • ۸۶ پیش تیی اتالف کارهای در سرریس تری سگی پل ...
  • Sterling (Eds.), proceedings of the ۵thAustralian Joint Conference on artificialIntelligence, ...
  • Singapore: World Scientific ...
  • Salmasi, F., M.T. Sattari, and M. Pal ...
  • ۲۰۱۲. Application of data mining onevaluation of energy dissipation over ...
  • Atmosfera ۲۵: ۶۵-۸۳ ...
  • Singh, K.K., M. Pal, and V.P. Singh. ۲۰۱۰ ...
  • Estimation of mean annual flood in Indiancatchment using backpropagation neuralnetwork ...
  • Manage. ۲۴ DOI:۱۰.۱۰۰۷/s۱۱۲۶۹-۰۰۹-۱۶- Solomatine, D.P., and Y. Xue. ۲۰۰۴. M۵model ...
  • Hydrol. Eng. ۹: ۴۹۱–۵۰۱ ...
  • Stephenson, D. ۱۹۷۹. Gabion energydissipaters. ۱۳th Int. Cong. on Large ...
  • New Delhi. India. Q.۵۰, R. (۳): ۳۳-۳۴ ...
  • Stravs, L., and M. Brilly. ۲۰۰۷ ...
  • Development of a low-flow forecastingmodel using the M۵ machine learningmethod. ...
  • Yurekli, K., M.T. Sattari, A.S. Anli, andM.A. Hinis. ۲۰۱۲. Seasonal ...
  • نمایش کامل مراجع