•  Persian
    • Persian
    • English
  •   ورود
  • دانشگاه فردوسی مشهد
  • |
  • مرکز اطلاع‌رسانی و کتابخانه مرکزی
    • Persian
    • English
  • خانه
  • انواع منابع
    • مقاله مجله
    • کتاب الکترونیکی
    • مقاله همایش
    • استاندارد
    • پروتکل
    • پایان‌نامه
  • راهنمای استفاده
View Item 
  •   کتابخانه دیجیتال دانشگاه فردوسی مشهد
  • Fum
  • Articles
  • OJS Articles
  • View Item
  •   کتابخانه دیجیتال دانشگاه فردوسی مشهد
  • Fum
  • Articles
  • OJS Articles
  • View Item
  • همه
  • عنوان
  • نویسنده
  • سال
  • ناشر
  • موضوع
  • عنوان ناشر
  • ISSN
  • شناسه الکترونیک
  • شابک
جستجوی پیشرفته
JavaScript is disabled for your browser. Some features of this site may not work without it.

Regression Analysis, Genetic Programming and ANN to Predict Discharge Coefficient of Compound Broad Crested Weir

تخمین ضریب دبی در سرریزهای لبه پهن مرکب با استفاده از رگرسیون، برنامه ریزی ژنتیک و شبکه عصبی

نویسنده:
A. Masoodi
,
اعظم مسعودی
,
P. Parsamehr
,
F. Salmasi
,
S. Pureskandar
,
پرستو پارسامهر
,
فرزین سلماسی
,
ساناز پوراسکندر
ناشر:
Ferdowsi University of Mashhad Press
سال
: 1391
چکیده: سرریزهای لبه پهن مرکب دارای یک لبه کوچک با مقطع مستطیلی برای اندازه گیری جریان های کم هستند که این لبه در ارتفاعی بالاتر به منظور اندازه گیری جریان های زیاد عریض می شود. نتایج ارائه شده در تحقیق حاضر در طراحی سازه های کنترل کننده و اندازه گیری کننده جریان استفاده می شود. در این مقاله مجموعه ای از آزمایشات به منظور بررسی تاثیر طول سرریز و ارتفاع لبه پایینی سرریز لبه پهن مستطیلی بر روی مقادیر ضریب دبی انجام شد. از این رو 15 مدل مختلف از سرریزهای لبه پهن با مقطع مستطیلی برای محدوده وسیعی از مقادیر دبی آزمایش شدند. همچنین معادلات رگرسیونی چندگانه بر اساس تئوری آنالیز ابعادی برای محاسبه ضریب دبی انجام شد. نتایج حاصل با نتایج بدست آمده از GP و شبکه عصبی مقایسه و مشاهده شد که شبکه عصبی در تخمین ضریب دبی از GP ضعیف تر عمل می کند. از طرفی استفاده از مدل GP معادله ی متفاوتی را برای ضریب دبی پیشنهاد می کند.
شناسه الکترونیک: 10.22067/jsw.v0i0.15297
یو آر آی: https://libsearch.um.ac.ir:443/fum/handle/fum/3336326
کالکشن :
  • OJS Articles
  • نمایش متادیتا پنهان کردن متادیتا
  • آمار بازدید

    Regression Analysis, Genetic Programming and ANN to Predict Discharge Coefficient of Compound Broad Crested Weir

Show full item record

contributor authorA. Masoodi
contributor authorاعظم مسعودیFa
contributor authorP. Parsamehr
contributor authorF. Salmasi
contributor authorS. Pureskandar
contributor authorپرستو پارسامهر
contributor authorفرزین سلماسی
contributor authorساناز پوراسکندر
date accessioned2020-06-05T11:36:46Z
date available2020-06-05T11:36:46Z
date issued1391
identifier urihttps://libsearch.um.ac.ir:443/fum/handle/fum/3336326
description abstractسرریزهای لبه پهن مرکب دارای یک لبه کوچک با مقطع مستطیلی برای اندازه گیری جریان های کم هستند که این لبه در ارتفاعی بالاتر به منظور اندازه گیری جریان های زیاد عریض می شود. نتایج ارائه شده در تحقیق حاضر در طراحی سازه های کنترل کننده و اندازه گیری کننده جریان استفاده می شود. در این مقاله مجموعه ای از آزمایشات به منظور بررسی تاثیر طول سرریز و ارتفاع لبه پایینی سرریز لبه پهن مستطیلی بر روی مقادیر ضریب دبی انجام شد. از این رو 15 مدل مختلف از سرریزهای لبه پهن با مقطع مستطیلی برای محدوده وسیعی از مقادیر دبی آزمایش شدند. همچنین معادلات رگرسیونی چندگانه بر اساس تئوری آنالیز ابعادی برای محاسبه ضریب دبی انجام شد. نتایج حاصل با نتایج بدست آمده از GP و شبکه عصبی مقایسه و مشاهده شد که شبکه عصبی در تخمین ضریب دبی از GP ضعیف تر عمل می کند. از طرفی استفاده از مدل GP معادله ی متفاوتی را برای ضریب دبی پیشنهاد می کند.Fa
publisherFerdowsi University of Mashhad Press
publisherانتشارات دانشگاه فردوسی مشهدFa
titleRegression Analysis, Genetic Programming and ANN to Predict Discharge Coefficient of Compound Broad Crested Weir
titleتخمین ضریب دبی در سرریزهای لبه پهن مرکب با استفاده از رگرسیون، برنامه ریزی ژنتیک و شبکه عصبیFa
contenttypeExternal Fulltext
identifier doi10.22067/jsw.v0i0.15297
journal titleJournal of Water and Soil
journal titleآب و خاکFa
journal volume26
journal issue928
identifier linkhttps://jsw.um.ac.ir/article/view/15297/
identifier ojsid15297
  • درباره ما
نرم افزار کتابخانه دیجیتال "دی اسپیس" فارسی شده توسط یابش برای کتابخانه های ایرانی | تماس با یابش
DSpace software copyright © 2019-2022  DuraSpace