مدل سازی درصد کاهش هد جریان غلیظ نمکی با استفاده از هوش مصنوعی
جریان غلیظ یکی از مهمترین عوامل در فرآیند رسوب‌گذاری سدها می‌باشد. چون این جریان از عوامل موثر بر کاهش کارایی عمر سدهای بزرگ بوده، بنابراین درک الگوهای رسوب‌گذاری جهت مدیریت مخزن سدها بسیار کارآمد می‌باشد. براین اساس در این تحقیق درصد کاهش هد جریان غلیظ نمکی تحت تاثیر موانع نفوذپذیر ذوزنقه‌ای شکل...
Guardado en:
| Autores principales: | , , , |
|---|---|
| Formato: | article |
| Lenguaje: | FA |
| Publicado: |
University of Tehran, College of Aburaihan
2021
|
| Materias: | |
| Acceso en línea: | https://doaj.org/article/3a889e78b64b46bf809502350d8c53ff |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| id |
oai:doaj.org-article:3a889e78b64b46bf809502350d8c53ff |
|---|---|
| record_format |
dspace |
| spelling |
oai:doaj.org-article:3a889e78b64b46bf809502350d8c53ff2021-11-09T21:21:23Zمدل سازی درصد کاهش هد جریان غلیظ نمکی با استفاده از هوش مصنوعی2251-62982382-993110.22059/jwim.2021.312641.838https://doaj.org/article/3a889e78b64b46bf809502350d8c53ff2021-06-01T00:00:00Zhttps://jwim.ut.ac.ir/article_81691_1cac518333ce1bd95cdb1f6232d936e1.pdfhttps://doaj.org/toc/2251-6298https://doaj.org/toc/2382-9931جریان غلیظ یکی از مهمترین عوامل در فرآیند رسوب‌گذاری سدها می‌باشد. چون این جریان از عوامل موثر بر کاهش کارایی عمر سدهای بزرگ بوده، بنابراین درک الگوهای رسوب‌گذاری جهت مدیریت مخزن سدها بسیار کارآمد می‌باشد. براین اساس در این تحقیق درصد کاهش هد جریان غلیظ نمکی تحت تاثیر موانع نفوذپذیر ذوزنقه‌ای شکل (پر شده با دانه-های شن با قطر 0.5 سانتی‌متر)، با در نظر گرفتن متغیرهایی همچون دبی، شیب، غلظت و ارتفاع موانع به‌صورت آزمایشگاهی مورد بررسی قرار گرفت، براساس نتایج حاصله اقدام به مدل‌سازی هد جریان غلیظ نمکی با روش شبکه عصبی مصنوعی پیش‌خور و روش کلاسیک رگرسیون چند متغیره شد و کارکرد این دو روش مورد مقایسه قرار گرفت. نتایج نشان داد که روش هوشمند شبکه عصبی مصنوعی پیش‌خور در مدل‌سازی درصد کاهش هد جریان غلیظ نمکی نسبت به روش رگسیون چند متغیره برتری قابل توجهی دارد.مهدی درخشان نیامهدی قمشیسید سعید اسلامیانسید محمود کاشفی پورUniversity of Tehran, College of Aburaihanarticleجریان غلیظدرصد کاهش هدرگرسیون چندمتغیرهشبکه عصبی پیش خورIrrigation engineering. Reclamation of wasteland. DrainageTC801-978FAمدیریت آب و آبیاری, Vol 11, Iss 2, Pp 131-143 (2021) |
| institution |
DOAJ |
| collection |
DOAJ |
| language |
FA |
| topic |
جریان غلیظ درصد کاهش هد رگرسیون چندمتغیره شبکه عصبی پیش خور Irrigation engineering. Reclamation of wasteland. Drainage TC801-978 |
| spellingShingle |
جریان غلیظ درصد کاهش هد رگرسیون چندمتغیره شبکه عصبی پیش خور Irrigation engineering. Reclamation of wasteland. Drainage TC801-978 مهدی درخشان نیا مهدی قمشی سید سعید اسلامیان سید محمود کاشفی پور مدل سازی درصد کاهش هد جریان غلیظ نمکی با استفاده از هوش مصنوعی |
| description |
جریان غلیظ یکی از مهمترین عوامل در فرآیند رسوب‌گذاری سدها می‌باشد. چون این جریان از عوامل موثر بر کاهش کارایی عمر سدهای بزرگ بوده، بنابراین درک الگوهای رسوب‌گذاری جهت مدیریت مخزن سدها بسیار کارآمد می‌باشد. براین اساس در این تحقیق درصد کاهش هد جریان غلیظ نمکی تحت تاثیر موانع نفوذپذیر ذوزنقه‌ای شکل (پر شده با دانه-های شن با قطر 0.5 سانتی‌متر)، با در نظر گرفتن متغیرهایی همچون دبی، شیب، غلظت و ارتفاع موانع به‌صورت آزمایشگاهی مورد بررسی قرار گرفت، براساس نتایج حاصله اقدام به مدل‌سازی هد جریان غلیظ نمکی با روش شبکه عصبی مصنوعی پیش‌خور و روش کلاسیک رگرسیون چند متغیره شد و کارکرد این دو روش مورد مقایسه قرار گرفت. نتایج نشان داد که روش هوشمند شبکه عصبی مصنوعی پیش‌خور در مدل‌سازی درصد کاهش هد جریان غلیظ نمکی نسبت به روش رگسیون چند متغیره برتری قابل توجهی دارد. |
| format |
article |
| author |
مهدی درخشان نیا مهدی قمشی سید سعید اسلامیان سید محمود کاشفی پور |
| author_facet |
مهدی درخشان نیا مهدی قمشی سید سعید اسلامیان سید محمود کاشفی پور |
| author_sort |
مهدی درخشان نیا |
| title |
مدل سازی درصد کاهش هد جریان غلیظ نمکی با استفاده از هوش مصنوعی |
| title_short |
مدل سازی درصد کاهش هد جریان غلیظ نمکی با استفاده از هوش مصنوعی |
| title_full |
مدل سازی درصد کاهش هد جریان غلیظ نمکی با استفاده از هوش مصنوعی |
| title_fullStr |
مدل سازی درصد کاهش هد جریان غلیظ نمکی با استفاده از هوش مصنوعی |
| title_full_unstemmed |
مدل سازی درصد کاهش هد جریان غلیظ نمکی با استفاده از هوش مصنوعی |
| title_sort |
مدل سازی درصد کاهش هد جریان غلیظ نمکی با استفاده از هوش مصنوعی |
| publisher |
University of Tehran, College of Aburaihan |
| publishDate |
2021 |
| url |
https://doaj.org/article/3a889e78b64b46bf809502350d8c53ff |
| work_keys_str_mv |
AT mhdydrkẖsẖạnnyạ mdlsạzydrṣdḵạhsẖhdjryạngẖlyẓnmḵybạạstfạdhạzhwsẖmṣnwʿy AT mhdyqmsẖy mdlsạzydrṣdḵạhsẖhdjryạngẖlyẓnmḵybạạstfạdhạzhwsẖmṣnwʿy AT sydsʿydạslạmyạn mdlsạzydrṣdḵạhsẖhdjryạngẖlyẓnmḵybạạstfạdhạzhwsẖmṣnwʿy AT sydmḥmwdḵạsẖfypwr mdlsạzydrṣdḵạhsẖhdjryạngẖlyẓnmḵybạạstfạdhạzhwsẖmṣnwʿy |
| _version_ |
1718440736762888192 |