پیش بینی تغییرات عمق آبشستگی در اطراف گوشواره پلها (Abutmebt) با استفاده از سامانه منطق فازی – عصبی (ANFIS) و شبکه های عصبی (ANNs)


در حال بارگذاری
پیش بینی تغییرات عمق آبشستگی در اطراف گوشواره پلها (Abutmebt) با استفاده از سامانه منطق فازی – عصبی (ANFIS) و شبکه های عصبی (ANNs)
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
4 بازدید
۷۹,۷۰۰ تومان
خرید

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

 پیش بینی تغییرات عمق آبشستگی در اطراف گوشواره پلها (Abutmebt) با استفاده از سامانه منطق فازی – عصبی (ANFIS) و شبکه های عصبی (ANNs) دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیش بینی تغییرات عمق آبشستگی در اطراف گوشواره پلها (Abutmebt) با استفاده از سامانه منطق فازی – عصبی (ANFIS) و شبکه های عصبی (ANNs)  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 پیش بینی تغییرات عمق آبشستگی در اطراف گوشواره پلها (Abutmebt) با استفاده از سامانه منطق فازی – عصبی (ANFIS) و شبکه های عصبی (ANNs)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پیش بینی تغییرات عمق آبشستگی در اطراف گوشواره پلها (Abutmebt) با استفاده از سامانه منطق فازی – عصبی (ANFIS) و شبکه های عصبی (ANNs) :

نام کنفرانس، همایش یا نشریه : مهندسی منابع آب

تعداد صفحات :۲۴

به دلیل پیچیده بودن الگوی سه بعدی جریان در اطراف گوشواره پل ها، برآورد دقیق تغییرات عمق آبشستگی نسبت به زمان دشوار، و در برخی موارد غیر ممکن می باشد. در این تحقیق، ابتدا تغییرات عمق آبشستگی در اطراف گوشواره ها به صورت آزمایشگاهی تحت شرایط آب زلال مورد بررسی قرار گرفته است و سپس با استفاده از نتایج حاصل از سه روش، وایازی غیر خطی (NLR)، شبکه های عصبی (ANN) و سامانه منطق فازی-عصبی (ANFIS)، تغییرات آبشستگی در اطراف این سازه ها پیش بینی شده است. هر چند رابطه وایازی بدست آمده، نتایج بهتری را نسبت به روابط پیشین ارائه می کند (R2=0.957, RMSE=0.049 and MAE=0.035)، اما سامانه منطق فازی – عصبی دارای دقت بالاتری نسبت به رابطه وایازی ارائه شده و هم چنین روابط پیشین می باشد (R2=0.961, RMSE=0.041 and MAE=0.025). نتایج حاصله از فراسنج های آماری نشان می دهد که، هر دو روش ANN و ANFIS می توانند به عنوان روش های قدرتمندی در پیش بینی عمق آبشستگی مورد استفاده قرار گیرند.

کلید واژه: آبشستگی گوشواره ها، سامانه منطق فازی – عصبی، شبکه های عصبی، گوشواره کوتاه و متوسط، زمان آبشستگی

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.