به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه « Colebrook's Equation » در نشریات گروه « فنی و مهندسی »

  • محمد گیوه چی، صغری بردستانی
    تخمین ضریب اصطکاک در لوله ها در بسیاری از مسائل مهندسی آب و فاضلاب، مانند توزیع سرعت و تنش برشی، فرسایش، انتقال رسوب و افت هد، اهمیت ویژه ای دارد. در تحلیل این گونه مسائل با دانستن ضریب اصطکاک، می توان تخمین دقیق تری از آنها به دست آورد. در این تحقیق به منظور تخمین ضریب اصطکاک در لوله ها با استفاده از سیستم تطبیقی استنتاج فازی- عصبی، روش افراز شبکه ای مورد استفاده قرار گرفت. برای آموزش و تست مدل فازی- عصبی از داده های به دست 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 می شود. عملکرد مدل ارائه شده با استفاده از داده های 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 گسسته سازی شبکه ای و تابع عضویت ورودی گوسین و خروجی خطی، ضریب اصطکاک را با دقت بیشتری نسبت به دیگر حالات برآورد می نماید. رهیافت جدید ارائه شده در این تحقیق قابلیت کاربرد در مسائل طراحی کاربردی و نیز قابلیت اتصال و ترکیب با مدل های ریاضی و عددی انتقال رسوب و به هنگام سازی نتایج آنها را در شرایط واقعی دارد.
    کلید واژگان: ضریب اصطکاک, سیستم تطبیقی استنتاج فازی عصبی, معادله کلبروک, زبری نسبی لوله, عدد رینولدز}
    Mohammad Givehchi, Soghra Bardestani
    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.
    Keywords: Friction Coefficient, Adaptive Neuro, Fuzzy Inference System, Colebrook's Equation, Pipe Relative Roughness, Reynolds}
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال