تخمین ضریب دبی روزنه های جانبی مثلثی توسط ساختار تعمیم یافته روش گروه دسته بندی داده ها
در این مطالعه، برای اولین بار، ضریب دبی روزنه های جانبی مثلثی توسط یک روش نوین تکاملی تحت عنوان ساختار تعمیم یافته روش گروه دسته بندی داده ها (GSGMDH) شبیه سازی شد. در ابتدا، پارامترهای موثر بر روی ضریب دبی روزنه های جانبی مثلثی شناسایی شدند و شش مدل GSGMDH مختلف تعریف شد. سپس داده های آزمایشگاهی به دو دسته آموزش و آزمون تقسیم بندی شدند. در این مقاله، 70% داده ها برای آموزش مدل های هوش مصنوعی و 30% باقیمانده برای آزمون این مدل ها بکار گرفته شدند. با تجزیه و تحلیل نتایج کلیه مدل های GSGMDH، مدل برتر معرفی شد. این مدل مقادیر ضریب دبی را با دقت بالایی تخمین زد، به عنوان مثال، ضریب همبستگی (R)، شاخص پراکندگی (SI) و ضریب نش (NSC) برای وضعیت آزمون مدل برتر به ترتیب مساوی با 999/0، 0008/0 و 999/0 محاسبه شدند. همچنین، تحلیل حساسیت پارامترهای ورودی نشان داد که عدد فرود (Fr) و نسبت عرض کانال اصلی به طول روزنه جانبی (B/L) به عنوان موثرترین پارامترهای ورودی شناسایی شدند. در ادامه، نتایج مدل برتر GSGMDH با مدل GMDH مقایسه شد که این مقایسه نشان دهنده عملکرد بهتر مدل GSGMDH بود.
پرداخت حق اشتراک به معنای پذیرش "شرایط خدمات" پایگاه مگیران از سوی شماست.
اگر عضو مگیران هستید:
اگر مقاله ای از شما در مگیران نمایه شده، برای استفاده از اعتبار اهدایی سامانه نویسندگان با ایمیل منتشرشده ثبت نام کنید. ثبت نام
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.