مقایسه عملکرد هیبرید شبکه عصبی و الگوریتم ژنتیک با مدل ترکیبی عصبی فازی در برآورد طول نسبی پرش هیدرولیکی

  |  مقاله با عنوان: مقایسه عملکرد هیبرید شبکه عصبی و الگوریتم ژنتیک با مدل ترکیبی عصبی فازی در برآورد طول نسبی پرش هیدرولیکی   |  نویسندگان: بهناز کمالی ، حسین بانژاد   |  محل انتشار: دهمین کنگره بین المللی مهندسی عمران – دانشگاه تبریز – 15 تا 17 اردیبهشت 94   |  فرمت فایل: PDF و شامل 8 صفحه می باشد.       چکیــــده: طول پرش به عنوان یکی از مشخصات پرش هیدرولیکی، فاصله افقی میان شروع و انتهای پرش است. گرچه طول پرش هیدرولیکی یکی از پارامترهای حساس در طراحی می باشد، اما تخمین طول پرش با فرمولی که اساس تئوری داشته باشد، امکانپذیر نمی باشد. لذا در این پژوهش، عملکرد مدل های هوشمند تلفیقی شبکه عصبی – الگوریتم ژنتیک (ANNGA) و عصبی – فازی (CANFIS) در برآورد مشخصه طول نسب  پرش در کانال های مستطیلی مورد مطالعه و مقایسه قرار گرفت. اعداد بی بعد رینولدز و فرود به عنوان ورودی هر یک از مدل ها در نظر گرفته شد. با مقایسه نتایج بدست آمده از معیارهای اعتبارسنجی، مدل تلفیقی عصبی ژنتیک با جذر میانگین مربعات خطا  5.17، ضریب همبستگی 0. …

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *