مقایسه عملکرد مدل هیبرید شبکه عصبی و الگوریتم ژنتیک با مدل ترکیبی عصبی فازی دربرآورد طول نسبی پرش هیدرولیکی

چکیده مقاله

طول پرش به عنوان یکی از مشخصات پرش هیدرولیکی، فاصله افقی میان شروع و انتهای پرش است گر چه طول پرش هیدرولیکی یکی ازپارامترهای حساس در طراحی می باشد، اما تخمین طول پرش با فرمولی که اساس تئوری داشته باشد، امکانپذیر نمیباشد لذا در این پژوهش، عملکرد مدلهای هوشمند تلفیقی شبکه عصبی الگوریتم ژنتیکANNGA و عصبی فازیCANFIS در برآورد مشخصه طول نسبی پرش در کانالهای مستطیلی مورد مطالعه و مقایسه قرار گرفت اعداد بیبعد رینولدز و فرود به عنوان ورودی هر یک از مدلها در نظر گرفته شد با مقایسه نتایج بدست آمده از معیارهای اعتبارسنجی، مدل تلفیقی عصبی ژنتیک با جذر میانگین مربعات خطا5/71ضریب همبستگی 0/95 میانگین قدرمطلق درصد خطا 0/156 و ضریب نش ساتکلیف 0/9 نسبت به روش ترکیبی عصبی فازی ،R=0/94،RMSE=6/97 وNSE=0/ و 85 MAPE=0/159 عملکرد بهتری را نشان داد

کلیدواژه‌ها

نویسندگان

بهناز کمالی

کارشناسی ارشد سازه های آبی، دانشگاه بوعلی سینا همدان

حسین بانژاد

دانشیار گروه علوم و مهندسی آب، دانشگاه بوعلی سینا همدان

کمالی، بهناز و بانژاد، حسین،1394،مقایسه عملکرد مدل هیبرید شبکه عصبی و الگوریتم ژنتیک با مدل ترکیبی عصبی فازی دربرآورد طول نسبی پرش هیدرولیکی،دهمین کنگره بین المللی مهندسی عمران،تبریز

ارائه‌شده در

مجموعه مقالات دهمین کنگره بین المللی مهندسی عمران15 اردیبهشت 1394 · تبریز