شماره ركورد :
534892
عنوان مقاله :
برآورد ضريب دبي سرريزهاي جانبي با استفاده از سيستم استنتاج فازي - عصبي(ANFIS)
عنوان فرعي :
Estimating of Side Weir Discharge Coefficient by Using Neuro-Fuzzy (ANFIS)
پديد آورندگان :
هنر، تورج نويسنده دانشكده كشاورزي,گروه مهندسي آب,دانشگاه شيراز ,ايران , , طرازكار، محمدحسن نويسنده , , طرازكار، محمدرضا نويسنده ,
اطلاعات موجودي :
فصلنامه سال 1389 شماره 0
رتبه نشريه :
علمي پژوهشي
تعداد صفحه :
8
از صفحه :
169
تا صفحه :
176
كليدواژه :
سرريز جانبي , شبكه عصبي- فازي , ضريب دبي
چكيده فارسي :
چكيده با توجه به كاربرد فراوان سرريزهاي جانبي در شبكه هاي آبياري و زهكشي، برآورد ضريب دبي سرريزهاي جانبي همواره مورد توجه محققان مختلف مهندسي آب بوده است. بر اين اساس در اين پژوهش ضريب دبي سرريزهاي جانبي در دو حالت تخت و مايل با استفاده از روش شبكه عصبي - فازي سوگنو با دو تابع عضويت زنگوله اي و گوسين و روش هاي آموزشي هيبريد و پس انتشار خطا، مورد بررسي قرار گرفت. سپس نتايج به دست آمده با ساير روش ها از جمله شبكه هاي عصبي مصنوعي مقايسه گرديد. در اين پژوهش از حدود 90 درصد اطلاعات آزمايشگاهي موجود براي آموزش شبكه و از 10 درصد ديگر جهت بررسي قدرت برآورد و اعتبارسنجي استفاده گرديد. نتايج به دست آمده از مطالعه نشان داد كه اضافه كردن منطق فازي به شبكه عصبي با تابع عضويت گوسين و روش آموزش هيبريد با سه قانون فازي مي تواند معيار درصد ميانگين مطلق خطا براي تخمين ضريب 5 درصد كاهش دهد. بنابراين مي توان / 1 و 53 / دبي سرريز جانبي تخت و مايل را به ترتيب تا مقدار 58 بيان داشت كه شبكه هاي عصبي- فازي قادرند دبي سرريزهاي جانبي را دقيق تر از ساير مدل هاي موجود در اين زمينه برآورد نمايند. واژه هاي كليدي: ضريب دبي، سرريز جانبي، شبكه عصبي- فازي
چكيده لاتين :
Abstract According to the side weir application, which is widely used in irrigation and drainage systems, accurate estimation of discharge coefficient is a quite important problem for many investigators. So, in this study by using laboratory data, sugeno neuro-fuzzy with either gaussian and g-bell membership function and with hybrid and back-propagation learning methods was used to analyze discharge coefficient of inclined and flat side weir crest. In this paper 90 percent of data were used for training and 10 percent for testing. The results showed that adding fuzzy logic to artificial neural networks in shape of Adaptive Network-based Fuzzy Inference System approach with Gaussian membership function and hybrid learning method that has three fuzzy rules reduce forecast mean absolute percentage error to value of 1.58 and 5.53 respectively for inclined and flat side weir. So neuro-fuzzy method can estimate discharge coefficient more accurate than other investigation methods. Keywords: Discharge coefficient, Side weir, Neuro-fuzzy
سال انتشار :
1389
عنوان نشريه :
پژوهش هاي حفاظت آب و خاك
عنوان نشريه :
پژوهش هاي حفاظت آب و خاك
اطلاعات موجودي :
فصلنامه با شماره پیاپی 0 سال 1389
كلمات كليدي :
#تست#آزمون###امتحان
لينک به اين مدرک :
بازگشت