پیام خود را بنویسید

جستجو در مقالات منتشر شده


۲ نتیجه برای صادقی فر

طیب صادقی فر، سید علی آزرم سا ، مهدی وفا خواه،
دوره ۹، شماره ۱۷ - ( ۶-۱۳۹۲ )
چکیده

مقایسه‌ای بین فرمول‌های نیمه-تجربی سرک (C.E.R.C)، والتون و برنو (W.B)، فن در میر (V)، کامفوس (Kamphuis) و روش شبکه عصبی مصنوعی (ANN) با مقادیر اندازه‌گیری شده در بازه زمانی مهر تا آخر آذرماه سال ۱۳۹۰ با استفاده از تله‌گیر عمودی رسوب انجام شده است. در مدل مبتنی بر روش شبکه عصبی، شش متغیر اصلی موثر در نرخ انتقال رسوب در امتداد ساحل در نظرگرفته شد. نتایج نشان داد که در میان فرمول‌های نیمه تجربی بررسی شده، فرمول کامفوس تقریباً نتایج نزدیک‌تری به واقعیت را ارائه نموده است و مقدار ۷% اختلاف نتایج حاصل از آن با مقادیر مشاهداتی ممکن است مربوط به خطا در اندازه‌گیری پارامترهای مدل باشد. در مقایسه، نتایج حاصل از مدل مبتنی بر روش شبکه عصبی مصنوعی با داده های میدانی به میزان حدود ۶% خطا اختلاف داشته و لذا، به دلیل دقت بالاتر در برآورد نرخ انتقال رسوب جهت استفاده در تحقیقات مشابه توصیه می گردد.
طیب صادقی فر ، سید علی آزرم سا،
دوره ۱۰، شماره ۱۹ - ( ۶-۱۳۹۳ )
چکیده

طی دهه های اخیر فرمول های تجربی مختلفی جهت برآورد آهنگ انتقال رسوب ساحلی توسط محققان زیادی ارائه شده است که هریک از روش ها تحت شرایط محدود نیم رخ بستر و برای محدوده مشخصی از دانه بندی رسوب کالیبره و استفاده شده اند. روابط تجربی موجود عمدتاً براساس روش های برازشی بر روی داده های مشاهداتی و اندازه گیری شده ارائه شده، بنابراین می توان با استفاده از ابزارهای محاسباتی هوشمند و با کاربرد داده های موجود، مدل دقیقتری برای پیش بینی این پدیده ها ارائه نمود. روش های محاسباتی نرم، نظیر شبکه عصبی مصنوعی و سامانه استنتاج فازی- عصبی، روش های غیر خطی هستند که در مواردی که سایر روش ها قادر نیستند روش محاسباتی دقیق از مسئله ارائه دهند مورد استفاده قرار می گیرند. عدم نیاز به جزئیات کامل و دقیق مسئله مهترین مزیت روش های محاسباتی نرم است. یک مقایسه جامع بین دو مدل شبکه عصبی مصنوعی، سامانه استنتاج فازی- عصبی و فرمول های نیمه تجربی حاضر نشان دهنده توانایی بالا شبکه عصبی در پیش‌بینی آهنگ انتقال رسوب در امتداد ساحل میباشد.

صفحه ۱ از ۱     

Creative Commons License
International Journal of Maritime Technology is licensed under a

Creative Commons Attribution-NonCommercial 4.0 International License.