جستجو در مقالات منتشر شده


3 نتیجه برای انفیس
استفاده از الگوریتم تکاملی برای بهینه‌سازی مدل انفیس به‌منظور مدل‌سازی ضریب دبی روزنه‌های جانبی دایروی
محمد جواد اسدی، سعید شعبانلو، محسن نجارچی، محمد مهدی نجفی زاده،
جلد 23، شماره 3 - ( 9-1398 )
چکیده
در این مطالعه، ضریب دبی روزنه‏ های جانبی دایره‏ای با استفاده از یک روش ترکیبی جدید، مدل‌سازی شد. ترکیبات انجام شده در این مطالعه، به دو قسمت تقسیم شد: 1) ترکیب دو الگوریتم بهینه‏سازی ازدحام ذرات (PSO) و الگوریتم ژنتیک (GA) و ارائه الگوریتم PSOGA ، 2) استفاده از الگوریتم ترکیبی PSOGA جهت بهینه ‏سازی شبکه انفیس (ANFIS) و ارائه روش ANFIS-PSOGA. با شناخت پارامترهای مؤثر بر ضریب دبی روزنه ‏های جانبی دایروی، 11 ترکیب مختلف ارائه شد. تحلیل حساسیت انجام شده با استفاده از ANFIS، نشان داد که عدد فرود و نسبت عمق جریان به قطر روزنه (Ym/D) مؤثرترین پارامترها در مدل‏سازی ضریب دبی شناسایی شدند. همچنین، بهترین ترکیب در براورد ضریب دبی استفاده از متغیرهای فرود جریان (Fr)، نسبت عرض کانال اصلی به قطر روزنه جانبی (B/D)، نسبت ارتفاع تاج روزنه به قطر روزنه (W/D) و نسبت عمق جریان به قطر روزنه (Ym/D) بود. مقادیر MAPE، RMSE و R  برای این مدل، به ‏ترتیب برابر 0/021، 0/20 و 0/871 به‌دست آمد. پس از انتخاب بهترین ترکیب، عملکرد روش ANFIS-PSOGA با دو روش ANFIS and ANFIS-PSO، مقایسه شد. نتایج نشان داد که روش ANFIS-PSOGA برای مدل‌سازی ضریب دبی، دارای خطای کمتری بود.

شبیه‌سازی ضریب دبی سرریزهای لبه تیز دایره‌ای توسط مدل ترکیبی انفیس- کرم شب‌تاب
امیر علیزاده، بهروز یعقوبی، سعید شعبانلو،
جلد 24، شماره 2 - ( 5-1399 )
چکیده
در این مطالعه، ضریب دبی سرریزهای لبه تیز واقع بر کانال‌های دایره‌ای با استفاده از مدل‌های انفیس و انفیس-کرم شب‌تاب شبیه‌سازی شد. همچنین برای بررسی افزایش قابلیت مدل‌های عددی از شبیه‌سازی‌های مونت‌کارلو استفاده شد. این درحالی است که روش اعتبارسنجی ضربدری برای صحت‌سنجی مدل‌های عددی به‌کار گرفته شد. با توجه به پارامترهای ورودی، چهار مدل انفیس و انفیس-کرم شب‌تاب معرفی شد. تجزیه‌و‌تحلیل نتایج عددی نشان می‌دهد که مدل برتر ضریب دبی را به‌عنوان تابعی از عدد فرود (Fr) و نسبت عمق جریان روی تاج سرریز به ارتفاع تاج سرریز (h/P) شبیه‌سازی کرد. مقادیر MARE، RMSE و R برای مدل برتر به‌ترتیب برابر 0/001، 0/002 و 0/999 محاسبه شد. این درحالی است که حداکثر مقدار MARE برای این مطالعه کمتر از 2 درصد بود. 

بهینه‌سازی مدل انفیس توسط الگوریتم ژنتیک برای تخمین عمق آبشستگی در اطراف تکیه‌گاه پل‌ها
احسان یارمحمدی، سعید شعبانلو، احمد رجبی،
جلد 25، شماره 1 - ( 3-1400 )
چکیده
بهینه­سازی مدل‌های هوش مصنوعی از اهمیت بسزایی برخوردار است زیرا باعث بهبود عملکرد این مدل‌ها و افزایش انعطاف آنها می‌شود. در این مطالعه، عمق آبشستگی در مجاورت تکیه پل‌ها به شکل‌های مختلف توسط مدل ANFIS و ANFIS-Genetic Algorithm (GA) تخمین زده شد. به‌عبارت دیگر، برای بهینه‌سازی توابع عضویت مدل ANFIS از GA استفاده شد که عملکرد مدل ANFIS به‌شکل قابل توجهی بهبود یافت. در ابتدا، پارامترهای تأثیرگذار بر روی عمق آبشستگی در اطراف تکیه‌گاه پل‌ها تعریف شدند. سپس با استفاده از این پارامترهای ورودی، یازده مدل مختلف برای هر یک از مدل‌های ANFIS و ANFIS-GA تولید شدند. سپس با تجزیه و تحلیل نتایج این مدل‌ها، مدل برتر برای هر یک از روش‌های ANFIS و ANFIS-GA زنتیک معرفی شدند. به‌عنوان مثال، مقدار ضریب همبستگی و شاخص پراکندگی برای مدل ANFIS به‌ترتیب برابر با 0/979 و 0/070 و برای مدل ANFIS-GA نیز به‌ترتیب مساوی با 0/986 و 0/056 محاسبه شدند. علاوه بر این، نسبت اختلاف متوسط برای مدل‌های برتر ANFIS و ANFIS-GA به‌ترتیب مساوی با 0/984 و 0/988 بودند. بنابراین نشان داده شد که مدل‌های ترکیبی ANFIS-GA دقت بیشتری در مقایسه با مدل‌های ANFIS داشتند. همچنین، تحلیل حساسیت نشان داد که عدد فرود (Fr) و نسبت عمق جریان به شعاع حفره آبشستگی (h/L) به‌عنوان مؤثرترین پارامترهای ورودی برای تخمین عمق آبشستگی در مجاورت تکیه‌گاه پل‌ها شناسایی شدند.

صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به مجله علوم آب و خاک دانشگاه صنعتی اصفهان می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | JWSS - Isfahan University of Technology

Designed & Developed by : Yektaweb