مدلسازی ضریب زبری مانینگ بااستفاده ازشبکه عصبی مصنوعی

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

 مدلسازی ضریب زبری مانینگ بااستفاده ازشبکه عصبی مصنوعی دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مدلسازی ضریب زبری مانینگ بااستفاده ازشبکه عصبی مصنوعی  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 مدلسازی ضریب زبری مانینگ بااستفاده ازشبکه عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مدلسازی ضریب زبری مانینگ بااستفاده ازشبکه عصبی مصنوعی :

تعداد صفحات :۱۸

چکیده مقاله:

امروزه نیاز به دادههای قابل قبول و بهینه برای اتخاذ تصمیمات مناسب در حوزه رودخانه ها جز مهمترین مسائل مهندسان می باشد . یکی از این موارد، اتخاذ روشی مناسب برای تخمین قابل قبول ضریب مقاومت جریان بعنوان یک پارامتر کاربردی و پر اهمیت در طرح های مرتبط با رود خانه ها است. با توجه به توانایی بالای شبیه سازی توسط شبکه عصبی مصنوعی، تخمین و پیش بینی ضریب از باری به کمک شبکه عصبی مصنوعی گامی مهم در علم مهندسی رود خانه خواهد بود. در مطالعه هیدرولیک مجاری روباز با بستر صلب، ضریب زبری را یک عدد تابت می توان تلقی کرد. پس از تعیین ضریب زبری، یکی از فرمول های مقاومت را مستقیما برای محاسبه سرعت، شیب، یا عمق می توان بکار برد. در هیدرولیک رودخانه ها، بستر متحرک بوده و مقاومت در برابر جریان یاضریب زبری متغیر است . در این تحقیقا هدف بررسی کارایی شبکههای عصبی مصنوعی در تعیین ضریب زبری در بستر رودخانه می باشد، لذا در تحقیق حاضر، با مقایسه نتایج مدل های شبکه عصبی مصنوعی و دادههای موجود، میزان دقت شبکه عصبی مصنوعی در تعیین ضریب زبری مورد بررسی قرار می گیرد و با انجام آنالیز حساسیت تاتیر هر یک از پارامترهای مستقل ورودی مدل، در تخمین ضریب زبری مورد ارزیابی قرار می گیرد. نتایج نشان می دهد مادلی که شامل تمام پارامترهای موجود در مدلسازی می شود دارای بیشترین ضریب همبستگی بوده و مدلی که تنها بر اساس عدد فرود مدل شده است کمترین ضریب همبستگی را دارد و در نهایت پیشنهاد می شود نتایج حاصل از این روش با نتایج روش های دیگر مانند مدل های رگرسیونی مقایسه شود.