پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,501 |
| تعداد مشاهده مقاله | 124,104,977 |
| تعداد دریافت فایل اصل مقاله | 97,210,625 |
برآورد مشخصات پرش هیدرولیکی متحرک با کاربرد شبکه عصبی مصنوعی و روش تلفیقی شبکه عصبی-الگوریتم ژنتیک | ||
| مجله علوم کشاورزی ایران | ||
| مقاله 20، دوره 37، شماره 1 - شماره پیاپی 1490، فروردین 1385 اصل مقاله (351.16 K) | ||
| 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. | ||
| کلیدواژه‌ها | ||
| الگوریتم ژنتیک.؛ پرش هیدرولیکی متحرک؛ جریان غیرماندگار؛ شبکه عصبی مصنوعی | ||
| عنوان مقاله [English] | ||
| - | ||
| چکیده [English] | ||
| Moving hydraulic jump could be regarded as a special case in unsteady flow, which changes the flow regime and generates a hydraulic discontinuity along the channel. Owing to the practical importance, the knowledge of the flow behavior within a reach that retains this phenomenon is quite essential for river flow routing and the management of flow distribution in a network. However, in spite of its practical importance, experimental data are scarce and the application of numerical simulation due to the presence of hydraulic discontinuity is, also, rather complicated. In such circumstances, compiling experimental data and analyzing them by using intelligent systems aid in distinguishing the parameters that influence the phenomenon most. In this research, data of unsteady flow compiled from a rectangular flume were analyzed by compiled using Artificial Neural Network and an integrated algorithm created from ANN and Genetic Algorithm, to optimize ANN parameters. During the experimental stage, variety of moving hydraulic jump conditions were produced by generating different hydrographs at the upstream end of the flume. Then, the perceptron ANN pattern and integrated algorithm, ANN- GA, were applied to the compiled data. The results indicated that the ANN, or the integrated algorithm which is an enhanced alternative approach, could be used as a useful means to estimate flow parameters in such complex flow conditions. Therefore employing the integration of ANN and GA to evaluate more experimental and field data, seems to build up the required knowledge to provide a simple yet reliable approach for flow routing and flow distribution management in water distribution networks. | ||
| کلیدواژه‌ها [English] | ||
| Artificial Neural Network, Genetic algorithm, Moving hydraulic jump, Unsteady flow | ||
|
آمار تعداد مشاهده مقاله: 2,311 تعداد دریافت فایل اصل مقاله: 3,150 |
||