تخمین چقرمگی شکست مود I سنگ ها با استفاده از اندیس بار نقطه ای

اختصاصی از فی فوو تخمین چقرمگی شکست مود I سنگ ها با استفاده از اندیس بار نقطه ای دانلود با لینک مستقیم و پر سرعت .

عنوان مقاله : تخمین چقرمگی شکست مود I سنگ ها با استفاده از اندیس بار نقطه ای

 محل انتشار:نهمین کنگره ملی مهندسی عمران مشهد

تعداد صفحات: 8

نوع فایل : pdf

دانلود مقاله تخمین خبرة ضریب شدت جریان سرریزهای لبه تیز زاویه دارمستطیلی با استفاده از شبکة عصبی مصنوعی

اختصاصی از فی فوو دانلود مقاله تخمین خبرة ضریب شدت جریان سرریزهای لبه تیز زاویه دارمستطیلی با استفاده از شبکة عصبی مصنوعی دانلود با لینک مستقیم و پر سرعت .

دانلود مقاله با موضوع تخمین خبرة ضریب شدت جریان سرریزهای لبه تیز زاویه دارمستطیلی با استفاده از شبکة عصبی مصنوعی

نوع فایل : PDF 

تعداد صفحات : 8

شرح محتوا

چکیده مقاله:

به علت دقت بالا وکاربرد ساده سرریزهای لبه تیز، این وسایل یکی از قدیمی ترین وسیله های اندازه گیری وکنترل جریان درکانالهای باز، آزمایشگاه و طبیعت هستند. بررسی های انجام شده نمایانگراین مطلب است که بیشتر مطالعات روی سرریزهای لبه تیز قائم با مقاطع مختلف هندسی صورت گرفته و روابط مختلفی برای ضریب شدت جریان بر اساس پارامترهای مختلف ارائه شده است. اما، شناخت کمتری نسبت به سرریزهای زاویه دار وجود دارد. از آنجا که انجام مطالعات آزمایشگاهی برروی مدل فیزیکی این سرریزها مشکلات و محدودیتهایی به همراه دارد، دراین مقاله از یک مدل شبکة عصبی مصنوعی برای بررسی تأثیر پارامترهای مختلف بر روی ضریب شدت جریان درسرریزهای مذکوراستفاده شده است. شبکة عصبی مصنوعی مورد استفاده از نوع پرسپترون چندلایه با قانون یادگیری پس انتشار خطا بوده و با ایجاد نگاشتی غیرخطی میان پارامترهای ارتفاع آب ، ( h ارتفاع آب بالای سرریز ( 1 ، (p) ارتفاع سرریز ، (α ) مؤثر بر ضریب شدت جریان شامل زاویه سرریز و نسبت استغراق( ) ( h پایی ندست سرریز ( 2 12 h راتعیین می نماید. آنگاه (Cd) چگونگی تأثیر آنها برضریب شد تجریان ، h با بررسی ویژگیهای شبکة عصبی طراحی شده، عملکرد آن با نتایج حاصل از مدلسازی فیزیکی بررسی شده و به نکات مهمی در کاربرد این روش اشاره شده است

کلیدواژه‌ها:

سرریز زاویه دار، ضریب شدت جریان، زاویه سرریز، ارتفاع سرریز، شبکه عصبی مصنوعی، پرسپترون چندلایه

دانلود مقاله تخمین هوشمند دبی جریان زیربحرانی در شیب شکن قائم مستطیلی با استفاده از شبکة عصبی مصنوعی

اختصاصی از فی فوو دانلود مقاله تخمین هوشمند دبی جریان زیربحرانی در شیب شکن قائم مستطیلی با استفاده از شبکة عصبی مصنوعی دانلود با لینک مستقیم و پر سرعت .

دانلود مقاله با موضوع تخمین هوشمند دبی جریان زیربحرانی در شیب شکن قائم مستطیلی با استفاده از شبکة عصبی مصنوعی

نوع فایل : PDF 

تعداد صفحات : 9

شرح محتوا

چکیده مقاله:

تعیین ارتباط بین عمق بحرانی و عمق جریان در لبة شیب شکنهای قائم با جریان زیربحرانی در بالادست آن یکی از مسائل مهم و مورد توجه مهندسان هیدرولیک بوده است. اگر ارتباط بین این دوعمق بخوبی برآورد شود، از این سازه میتوان به عنوان ابزار اندازه گیری دبی جریان درکانالهای آبیاری استفاده نمود. تاکنون تحقیقات فراوانی برای یافتن ارتباط میان این دو عمق صورت پذیرفته است. در این تحقیقات معموًلا سعی شده است با اندازه گیریهای آزمایشگاهی، منحنی مناسبی بر داده های حاصل برازش داده شود. لیکن، معمولا ارتباط این دومتغیر به صورت خطی در نظرگرفته میشود وهمین موضوع موجب ایجاد خطا درتخمین دبی جریان می گردد. دراین مقاله سعی شده است با تبیین ویژگیهای شبکه های عصبی مصنوعی، شبک های از نوع پرسپترون چند لایه با قانون یادگیری پس انتشار خطا برای بازیابی نگاشت غیرخطی میان الگوهای مستقل داده ها و متغیرهای وابسته طراحی گردد که به کمک آن، امکان تخمین هوشمند دبی جریان میسرگردد. نتایج حاصل نشان میدهد که انطباق خوبی بین مقادیر پیش بینی شدة دبی ناشی ازشبکة عصبی مصنوعی و داده های آزمایشگاهی وجود دارد.علاوه بر این، استفاده از شبکة عصبی مصنوعی نیز می تواند شیب شکن را به عنوان ابزاری برای اندازه گیری دبی جریان در سیستمهای انتقال آب و شبکه های آبیاری مطرح سازد.

کلیدواژه‌ها:

شیب شکن، دبی جریان، شبکة عصبی مصنوعی، تخمین هوشمند، یادگیری، پرسپترون چند لایه

دانلود مقاله تخمین افت انرژی روی سرریز پلکانی با استفاده از شبکه عصبی مصنوعی

اختصاصی از فی فوو دانلود مقاله تخمین افت انرژی روی سرریز پلکانی با استفاده از شبکه عصبی مصنوعی دانلود با لینک مستقیم و پر سرعت .

دانلود مقاله با موضوع تخمین افت انرژی روی سرریز پلکانی با استفاده از شبکه عصبی مصنوعی

نوع فایل : PDF 

تعداد صفحات : 9

شرح محتوا

چکیده مقاله:

تمهیدات گوناگونی جهت کاهش اثرات مخرب عبور جریان از روی سرریزها وجود دارد که یکی از این موارد،استفاده از سرریز پلکانی جهت کاهش انرژی جریان می باشد. از آنجایی که عوامل وشرایط گوناگونی در افت انرژی روی این نوع سرریز دخیل می باشند و هنوز چگونگی عملکرد آنها و تاثیراتی که روی عملکرد یکدیگر دارند مشخص نشده است،رابطه نظری مشخصی که با خطای قابل قبول بتواند رفتار هیدرولیکی سازه را توجیه کند ارائه نشده است. از طرفی،استفاده از روشهای آزمایشگاهی بسیار محدود و پرهزینه می باشد. شبکه های عصبی مصنوعی بخاطر قابلیت یادگیری وسازگاری با شرایط و داد هها م یتوانند یک راه حل مناسب جهت تخمین میزان افت انرژی روی سرریزهای پلکانی باشند.هدف این تحقیق ، تولید ، تربیت و آموزش یک شبکه عصبی بمنظور تخمین افت انرژی روی سرریز پلکانی بوده که اینکار با استفاده از داده های آماری موجود انجام گرفته است .دقت نتایج نشان می دهد که می توان از این روش برای طراحی هیدرولیکی اولیه این نوع سرریزها استفاده کرد

کلیدواژه‌ها:

سرریز پلکانی، شبکه عصبی مصنوعی، تابع تحریک، انتشار معکوس.

تخمین هزینه نرم افزار با استفاده از تکنیک‌های یادگیری ماشین - فایل Word

اختصاصی از فی فوو تخمین هزینه نرم افزار با استفاده از تکنیک‌های یادگیری ماشین - فایل Word دانلود با لینک مستقیم و پر سرعت .

تخمین هزینه نرم افزار (SCE) یکی از مهم ترین موضوعات در تولید نرم افزار در دهه‌های گذشته است. تخمین واقعی به فاکتورهای هزینه و تلاش در تولید نرم افزار با استفاده از هوش مصنوعی یا روش‌های الگوریتمی نیاز دارد. Bohem مدل COCOMO را که یکی از مدل‌های الگوریتمی SCE است، توسعه داده است. این مدل‌ها شامل سه فرم افزایشی پایه، متوسط و تفصیلی هستند. COCOMO  پایه برای ترتیب‌های سریع و دشوار در میان تخمین‌های تلاش مناسب است. دقت و صحت این مدل به علت فقدان فاکتوربرای محاسبه تفاوت بین عاملان هزینه پایین است. COCOMO متوسط این فاکتور‌ها را در نظر می گیرد و COCOMO تفصیلی برای تک تک فازهای پروژه به کار می رود. COCOMO از سال 1981 به کار گرفته شده است. در سال‌های اخیر روش‌هایی پدید آمده‌اند که از تکنیک‌های هوش مصنوعی برای حل و تخمین تلاش تولید نرم افزار استفاده می‌کنند]1[.