واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه ، saeid.shabanlou@gmail.com
چکیده: (1281 مشاهده)
چنانچه مصالح پائیندست سرریز جامی فرسایش پذیر باشند با گذشت زمان احتمال واژگونی سازه سرریز اوجی وجود دارد. بنابراین پیشبینی عمق آبشستگی در بعد از سرریز جامی از اهمیت بسزایی برخوردار است. در این مطالعه، عمق آبشستگی در پائیندست سرریزهای جامی شکل توسط یک مدل ترکیبی فرا ابتکاری جدید مدلسازی میشود. این مدل با ترکیب سیستم استنتاج فازی عصبی تطبیقی، الگوریتم بهینه سازی ازدحام ذرات و روش خوشه¬بندی فازی توسعه داده میشود. لازم به ذکر است که در مطالعه حاضر از روش خوشه¬بندی فازی برای ایجاد سیستم استنتاج فازی استفاده میشود. همچنین، برای سنجش توانایی مدلهای فرا ابتکاری از شبیهسازیهای مونت کارلو استفاده میشود. همچنین از روش اعتبار سنجی چند لایه ای برای بررسی توانایی مدلهای مذکور بهره گرفته میشود. این مدل مقادیر آبشستگی در پائیندست سرریز جامی شکل را با دقت مناسبی تخمین زد. بهعنوان مثال، مقادیر شاخص آماری درصد میانگین مطلق خطا و خطای جذر میانگین مربعات برای این مدل بهترتیب مساوی 544/7 و 189/0 بدست آمد. همچنین مدل برتر با مدل انفیس نیز مقایسه شد که تجزیه و تحلیل نتایج این دو مدل نشان دهنده دقت بیشتر مدل ترکیبی بود.
palizvan H, shabanlou S, izadbakhsh M A. Optimization and design of Adaptive Neuro-Fuzzy Inference System using Particle Swarm Optimization and Fuzzy C-Means Clustering to predict the scour after bucket spillway. Iranian Dam and Hydroelectric Powerplant 2021; 7 (27) :66-54 URL: http://journal.hydropower.org.ir/article-1-311-fa.html
پالیزوان حجت الله، شعبانلو سعید، ایزدبخش محمد علی. بهینهسازی و طراحی سیستم استنتاج فازی عصبی تطبیقی با استفاده از الگوریتم بهینه سازی ازدحام ذرات و روش خوشهبندی فازی در پیشبینی آبشستگی بعد از سرریز جامی. سد و نیروگاه برق آبی ایران. 1399; 7 (27) :66-54