دوره 18، شماره 5 - ( 1397 )                   جلد 18 شماره 5 صفحات 142-133 | برگشت به فهرست نسخه ها

‎ 20.1001.1.24766763.1397.18.5.5.5

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
fallahi M, Rajabi A, Yaghobi B. Prediction the Scour Depth At Downstream of Bucket Spillway Using the Extreme Learning Machine and K-Fold Cross Validation. MCEJ 2018; 18 (5) :133-142
URL: http://mcej.modares.ac.ir/article-16-13346-fa.html
فلاحی معین، رجبی احمد، یعقوبی بهروز. پیش‌بینی عمق آبشستگی در پائین‌دست سرریز جامی شکل توسط مدل ماشین آموزش نیرومند و روش اعتبار سنجی چند لایه. مهندسی عمران مدرس. 1397; 18 (5) :133-142

URL: http://mcej.modares.ac.ir/article-16-13346-fa.html

پیش‌بینی عمق آبشستگی در پائین‌دست سرریز جامی شکل توسط مدل ماشین آموزش نیرومند و روش اعتبار سنجی چند لایه
معین فلاحی1 ، احمد رجبی* 2، بهروز یعقوبی3
1- دانشجوی دکتری منابع آب، گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
2- گروه مهندسی آب، دانشکده کشاورزی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
3- استادیار گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
چکیده:   (4894 مشاهده)
در این مطالعه، عمق آبشستگی در پائین‌دست سرریزهای جامی با استفاده از مدل ماشین آموزش نیرومند شبیه‌سازی گردید. ماشین آموزش نیرومند یک نوع شبکه عصبی تک لایه پیش‌خور است که گره‌های محاسباتی را به‌صورت تصافی انتخاب کرده و وزن‌های خروجی را نیز به‌شکل تحلیل تعیین می‌نماید. علاوه براین برای سنجش توانایی مدل‌های ماشین آموزش نیرومند از شبیه‌سازی‌های مونت کارلو استفاده می‌شود. شبیه‌سازی مونت کارلو یک طبقه‌بندی گسترده از الگوریتم‌های محاسباتی است که از نمونه‌گیری تصادفی برای محاسبه نتایج عددی استفاده می‌کند. همچنین از روش اعتبار سنجی چند لایه برای بررسی توانایی مدل‌های عددی بهره گرفته می‌شود. در روش اعتبار‌سنجی چند لایه ای، نمونه اصلی است به طور تصادفی به k نمونه های فرعی به اندازه مساوی تقسیم شود. مزیت این روش، تکرار تصادفی نمونه های فرعی در روند آزمون و آموزش برای کلیه مشاهدات است و هر مشاهده دقیقا یک‌بار برای اعتبار‌سنجی مورد استفاده قرار می‌گیرد. در این مطالعه مقدار k مساوی با 5 در نظر گرفته شد. سپس پارامترهای تاثیر گذار بر روی عمق آبشستگی شناسایی شد و شش مدل ماشین آموزش نیرومند تعریف گردید. با انجام آنالیز حساسیت موثرترین پارامتر که شامل پارامتر بدون بعد دبی معرفی شد. همچنین با تجزیه و تحلیل نتایج مدل‌های مختلف، مدل برتر معرفی گردید. این مدل مقادیر آبشستگی را با دقت قابل قبولی پیش‌بینی کرد و تابعی از کلیه پارامترهای ورودی بود. به‌عنوان مثال مقادیر ضریب تببین و شاخص پراکندگی به ترتیب مساوی 993/0 و 071/0 بدست آمد.
واژه‌های کلیدی: عمق آبشستگی، سرریز جامی شکل، مدل‌سازی، ماشین آموزش نیرومند، اعتبار سنجی چند لایه
متن کامل [PDF 1043 kb]   (4106 دریافت)    
نوع مقاله: مقاله اصلی | موضوع مقاله: زلزله
دریافت: 1396/11/12 | پذیرش: 1402/10/17 | انتشار: 1397/11/26
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.