مقایسه روابط مختلف برآورد نیمرخ عمقی سرعت طولی بر مبنای روش بهینه سازی با استفاده از الگوریتم ژنتیک
محل انتشار: مهندسی آبیاری و آب ایران، دوره: 12، شماره: 1
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 212
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WATER-12-1_009
تاریخ نمایه سازی: 19 مهر 1400
چکیده مقاله:
توزیع عمقی سرعت طولی در رودخانهها و کانالهای روباز برای مدلسازی بسیاری از فرآیندهای هیدرولیکی مورد نیاز است. از اینرو ارائه مناسبترین رابطه برآورد توزیع سرعت که منطبق بردادههای اندازهگیری باشد همواره مورد توجه محققین بوده و به صورت دائم در حال توسعه است. با توسعه تئوری آنتروپی و همچنین بهینهسازی به روش الگوریتم ژنتیک، این روشها در طیف وسیعی از علوم مهندسی ازجمله مکانیک سیالات و هیدرولیک به کاربرده شدهاند. در این تحقیق پارامترهای مجهول روابط مرسوم توزیع عمقی سرعت طولی با استفاده از بهینهسازی بر مبنای روش الگوریتم ژنتیک دو دویی بهینه یابی شدند. تعداد پارامترهای بهینه شده در مدلهای یانگ، ژولیان ، چیو و تسالیس به ترتیب ۴، ۵، ۳ و ۵ پارامتر میباشند. نتایج تحقیق نشان داد پس از بهینهیابی پارامترهای روابط، توزیع سرعت یکبعدی تخمین زدهشده توسط هر چهار مدل ارائه شده در مقایسه با دادههای آزمایشگاهی از دقت بالایی برخوردار است بهگونهای که تحلیل آماری نتایج نشان داد مقدار متوسط ریشه میانگین مربعات خطا (RMSE) برای کل شبیهسازیها توزیع سرعت یک بعدی در مدل یانگ۰۵۴/۰ متر بر ثانیه، برای مدل ژولیان برابر با ۰۵۲/۰ متر بر ثانیه، در مدل چیو ۰۴۲/۰ متر بر ثانیه و برای مدل تسالیس ۰۳۵/۰ متر بر ثانیه است. با این وجود نظر به اینکه تعداد پارامترهای بهینه استخراج شده توسط مدل ژولیان و تسالیس از دو مدل دیگر بیشتر است در مدلسازی رودخانههای آبرفتی توصیه میشود.
کلیدواژه ها:
نویسندگان
مریم تیموری یگانه
گروه مهندسی آب، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه
رسول قبادیان
گروه مهندسی آب، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران،
محمد مهدی حیدری
گروه مهندسی آب،دانشکده کشاورزی دانشگاه رازی، کرمانشاه، ایران
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 :