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

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله مقایسه عملکرد مدل هیبرید شبکه عصبی و الگوریتم ژنتیک با مدل ترکیبی عصبی فازی دربرآورد طول نسبی پرش هیدرولیکی دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مقایسه عملکرد مدل هیبرید شبکه عصبی و الگوریتم ژنتیک با مدل ترکیبی عصبی فازی دربرآورد طول نسبی پرش هیدرولیکی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله مقایسه عملکرد مدل هیبرید شبکه عصبی و الگوریتم ژنتیک با مدل ترکیبی عصبی فازی دربرآورد طول نسبی پرش هیدرولیکی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مقایسه عملکرد مدل هیبرید شبکه عصبی و الگوریتم ژنتیک با مدل ترکیبی عصبی فازی دربرآورد طول نسبی پرش هیدرولیکی :

تعداد صفحات:۱۰
چکیده:
طول پرش به عنوان یکی از مشخصات پرش هیدرولیکی، فاصله افقی میان شروع و انتهای پرش است. گر چه طول پرش هیدرولیکی یکی ازپارامترهای حساس در طراحی می باشد، اما تخمین طول پرش با فرمولی که اساس تئوری داشته باشد، امکانپذیر نمیباشد. لذا در این پژوهش، عملکرد مدلهای هوشمند تلفیقی شبکه عصبی – الگوریتم ژنتیکANNGA و عصبی- فازیCANFIS در برآورد مشخصه طول نسبی پرش در کانالهای مستطیلی مورد مطالعه و مقایسه قرار گرفت. اعداد بیبعد رینولدز و فرود به عنوان ورودی هر یک از مدلها در نظر گرفته شد با مقایسه نتایج بدست آمده از معیارهای اعتبارسنجی، مدل تلفیقی عصبی ژنتیک با جذر میانگین مربعات خطا۵/۷۱ضریب همبستگی ۰/۹۵ میانگین قدرمطلق درصد خطا ۰/۱۵۶ و ضریب نش ساتکلیف ۰/۹ نسبت به روش ترکیبی عصبی فازی ،R=0/94،RMSE=6/97 وNSE=0/ و ۸۵ MAPE=0/159 عملکرد بهتری را نشان داد.