|
|
دانش آب و خاک، جلد ۲۶، شماره ۳ بخش ۲، صفحات ۵۱-۶۲
|
|
|
| عنوان فارسی |
تخمین طول پرش هیدرولیکی آزاد و مستغرق در کانال‌های شیب‌دار و افقی با استفاده از رگرسیون بردار پشتیبان |
|
| چکیده فارسی مقاله |
پرش هیدرولیکی متداول‌ترین روش جهت استهلاک انرژی جنبشی در پایین‌دست سرریزها، شوت‌ها و دریچه‌ها می‌باشد. بهدلیل عدم قطعیت در عملکرد، روابط حاصل از تحقیقات متعدد انجام شده در زمینه تخمین طول پرش هیدرولیکی قابلیتی برای تعمیم کلی ندارد. بههمین دلیل ضروری است که مقدار دقیق پارامتر طول پرش هیدرولیکی تخمین زده شود. در این تحقیق طول پرش هیدرولیکی در پرش‌های آزاد و مستغرق روی بستر افقی و شیب‌دار با استفاده از روش رگرسیون بردار پشتیبان که ازجمله روش‌های یادگیری ماشین می‌باشد تخمین زده شد و نرخ تأثیر پارامترهای ورودی در هر نوع پرش مورد تجزیه و تحلیل قرار گرفته است. در کل تعداد 294 داده مشاهداتی برای آموزش و آزمون مدل‌های چهار نوع مختلف پرش هیدرولیکی استفاده شده است. مقایسه نتایج حاصل از روش رگرسیون بردار پشتیبان با روابط کلاسیک و تجربی و مدل تکاملی برنامه‌ریزی بیان ژن، قابلیت و کارآیی بالای روش رگرسیون بردار پشتیبان را نشان می‌دهد. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Estimating Free and Submerged Hydraulic Jump’s Length in Horizontal and Slopping Channels Using Support Vector Regression |
|
| چکیده انگلیسی مقاله |
Hydraulic jump is the most common method for kinetic energy dissipating at downstream of spillways, chutes and gates. Several relations have been proposed to estimate the length of hydraulic jump, but the results of these equations are not general and acceptable due to the uncertainty of the functions. Consequently, it is essential to estimate the hydraulic jump length, accurately. In this paper, hydraulic jump length was estimated for free and submerged hydraulic jumps on horizontal and slopping smooth beds using support vector regression as one of the machine learning methods and the rate of influence of input parameters in each jump was analyzed. Totally, 294 patterns of the observed data were used for training and testing processes of the four kinds of hydraulic jump models. Comparison between support vector regression (SVR), classical and empirical equations and gene expression programming (GEP) method showed the noticeable efficiency of the support vector regression. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
کیومرث روشنگر |
دانشیار گروه مهندسی عمران آب، دانشگاه تبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)
فرزین همایونفر |
کارشناس ارشد عمران سازه های هیدرولیکی دانشگاه تبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)
|
|
| نشانی اینترنتی |
http://water-soil.tabrizu.ac.ir/article_5836_f04aff890d9c01da636d8159704c71c3.pdf |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/794/article-794-500838.pdf |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|