این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آب و فاضلاب، جلد ۲۴، شماره ۲، صفحات ۱۱۷-۱۲۲
عنوان فارسی تخمین ضریب اصطکاک در لوله‌ها با استفاده از سیستم تطبیقی استنتاج فازی- عصبی
چکیده فارسی مقاله تخمین ضریب اصطکاک در لوله‌ها در بسیاری از مسائل مهندسی آب و فاضلاب، مانند توزیع سرعت و تنش برشی، فرسایش، انتقال رسوب و افت هد، اهمیت ویژه‌ای دارد. در تحلیل این‌گونه مسائل با دانستن ضریب اصطکاک، می‌توان تخمین دقیق‌تری از آنها به‌دست آورد. در این تحقیق به‌منظور تخمین ضریب اصطکاک در لوله‌ها با استفاده از سیستم تطبیقی استنتاج فازی- عصبی، روش افراز شبکه‌ای مورد استفاده قرار گرفت. برای آموزش و تست مدل فازی- عصبی از داده‌های به‌دست آمده از معادله کلبروک استفاده گردید. در روش فازی- عصبی، زبری نسبی لوله و عدد رینولدز، متغیرهای ورودی و ضریب اصطکاک متغیر خروجی در نظر گرفته می‌شود. عملکرد مدل ارائه شده با استفاده از داده‌های برداشت شده از معادله کلبروک و بر مبنای شاخصهای آماری ضریب تعیین، جذر میانگین مجذورات خطا و میانگین خطای مطلق ارزیابی گردیدند. مقایسه نتایج نشان داد که مدل سیستم تطبیقی استنتاج فازی-عصبی با روش گسسته‌سازی شبکه‌ای و تابع عضویت ورودی گوسین و خروجی خطی، ضریب اصطکاک را با دقت بیشتری نسبت به دیگر حالات برآورد می‌نماید. رهیافت جدید ارائه شده در این تحقیق قابلیت کاربرد در مسائل طراحی کاربردی و نیز قابلیت اتصال و ترکیب با مدل‌های ریاضی و عددی انتقال رسوب و به‌هنگام‌سازی نتایج آنها را در شرایط واقعی دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Adaptive Neuro-Fuzzy Computing Technique for Determining Turbulent Flow Friction Coefficient
چکیده انگلیسی مقاله Estimation of the friction coefficient in pipes is very important in many water and wastewater engineering issues, such as distribution of velocity and shear stress, erosion, sediment transport and head loss. In analyzing these problems, knowing the friction coefficient, can obtain estimates that are more accurate. In this study in order to estimate the friction coefficient in pipes, using adaptive neuro-fuzzy inference systems (ANFIS), grid partition method was used. For training and testing of neuro-fuzzy model, the data derived from the Colebrook’s equation was used. In the neuro-fuzzy approach, pipe relative roughness and Reynolds number are considered as input variables and friction coefficient as output variable is considered. Performance of the proposed approach was evaluated by using of the data obtained from the Colebrook’s equation and based on statistical indicators such as coefficient determination (R2), root mean squared error (RMSE) and mean absolute error (MAE). The results showed that the adaptive nerou-fuzzy inference system with grid partition method and gauss model as an input membership function and linear as an output function could estimate friction coefficient more accurately than other conditions. The new proposed approach in this paper has capability of application in the practical design issues and can be combined with mathematical and numerical models of sediment transfer or real-time updating of these models.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمد گیوه چی |
استادیارگروه مهندسی عمران، دانشگاه سیستان و بلوچستان، زاهدان
سازمان اصلی تایید شده: دانشگاه سیستان و بلوچستان (Sistan va baloochestan university)

صغری بردستانی |
دانشجوی کارشناسی ارشد آب، مهندسی عمران، دانشگاه سیستان و بلوچستان، زاهدان
سازمان اصلی تایید شده: دانشگاه سیستان و بلوچستان (Sistan va baloochestan university)

نشانی اینترنتی http://www.wwjournal.ir/article_3100_b424a117c39f417061eea24e78b12ae4.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
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