مقایسه روشهای شبکه عصبی مصنوعی و آنالیز ابعادی در پیشبینی شیب شیروانی پایدارپایاب بندهای پارهسنگی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 747

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICCE10_0604

تاریخ نمایه سازی: 19 تیر 1394

چکیده مقاله:

یکی از روشهای سازهای ارزان قیمت جهت کنترل جریانهای سیلابی احداث بندهای تأخیری پارهسنگی است. از آنجاییکه جریان در این سازهها ذاتاً غیر دارسی است و احتمال وقوع جریان همزمان روگذر و درونگذر نیز وجود دارد و در نتیجهی اندرکنش بین سنگها و سیال ممکن است سنگدانهها حرکت کننند و بند تخریب شود، طراحی این بندها مستلزم مطالعه کافی است. شبکه های عصبی مصنوعی از جمله روشهایی هستند که توانایی برآورد فرآیندهای پیچیده و غیرخطی را با دقت مناسبی دارند. اگر چه دقت پیشبینی آنها به نوع الگوریتمهای آموزش و یادگیری و تابع محرک مورد استفاده بستگی دارد. در این تحقیق به منظور پیشبینی شیب شیروانی پایاب مناسب برای طراحی بندهای پارهسنگی، مدل شبکه عصبی پرسپترن چند لایه با الگوریتم آموزشی و توابع آستانه متفاوت مورد ارزیابی قرار گرفت. همچنین شیب شیروانی پایاب پیشبینی شده با شبکه عصبی با مقادیر بر آورد شده از آنالیز ابعادی و دادههای آزمایشگاهی مقایسه شد. نتایج نشان داد که مدل پرسپترون چند لایه با دو لایه مخفی و 1 نرون در هر لایه مخفی بهترین عملکرد را دارد. همچنین مشخص شد که شبکه ها با الگوریتمهای آموزشی گرادیان مزدوج گرادیان مزدوج پلاک – ریبر، گرادیان مزدوج فلچر پاول و گرادیان مزدوج مقیاس شده و – تابع محرک تانژانت سیگموئید در لایه مخفی و تابع محرک خطی در لایه خروجی بهترین عملکرد را دارند. با مقایسه مقادیر نظیر در شبکه عصبی مصنوعی و رابطه ارائه شده از طریق آنالیز ابعادی مشخص شد که هر دو روش شیب شیروانی پایاب را با دقت قابل قبولی پیشبینی میکنند اما دقت روش شبکه های عصبی مصنوعی بیشتر است. از این رو میتوان به منظور طراحی شیب شیروانی پایاب بندها از شبکه عصبی هم استفاده کرد

کلیدواژه ها:

سد پارهسنگی ، کنترل سیلاب ، شبکه عصبیمصنوعی ، شیب شیروانی پایدار و آنالیز ابعادی

نویسندگان

فرزانه قادری نسب

بخش مهندسی آب دانشگاه شهید باهنر کرمان

ابراهیم امیری تکلدانی

گروه مهندسی آبیاری و آبادانی دانشگاه تهران

محمدباقر رهنما

بخش مهندسی آب دانشگاه شهید باهنر کرمان

محمدهادی داودی

پژوهشکده حفاظت خاک و آبخیزداری کشور

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 :
  • حیدری، مجید. 1386. مدل دو بعدی جریان عبوری از داخل ...
  • دستوانی، ،. .ت.، عظیمی فشی، خ، طالبی، ع. و اختصاصی ...
  • -10 شایان نژاد، محمد . (1386) مقایسه روش های شبکه ...
  • حیدری، م. تحی، پ. معروفی، ص، حسین زاده طلائی، پ، ...
  • نهاج، محمد باقر (1386 .مبانی شبکه های عصبی. چاپ دانشگاه ...
  • اسفندیاری، فریبا.، حسینی، اسد.، آزادی، محمد. و حجازی، زهرا (1389) ...
  • تقریب مقادیر ویژه ورق با استفاده از شبکه عصبی مصنوعی [مقاله ژورنالی]
  • I-Michioku, K., Maeno, S., Furusawa, T., and Haneda, M. 2005. ...
  • Li, B., Garga, V. K. and Davies, M. H. 1998. ...
  • Leu, J. M., Chan, H. C., and Chu, M. S. ...
  • Mohamed, H. I. 2010. Flow over Gabion Weirs. Irrigation and ...
  • Hansen, D., Zhao, W. Z and Han, S. Y. 2005. ...
  • Kim, Y.S. and Kim, BT. 2008. Prediction of relative crest ...
  • Faruk, D.O. 2010 A hybrid neural network and ARIMA model ...
  • Heydari, M. and Hosseinzade. T, P. (2011), ;: Prediction of ...
  • Streeter, V.L. and Wylie, E.B. 1981. Fluid Mechanics 1st SI ...
  • _ 5- Phukoetphim, P., Shamseldin, A. and Melville, B. 2013. ...
  • -Sajikumar, N. and Th andaveswara, B.S. 1999. A non-linear rainfall-runof ...
  • نمایش کامل مراجع