اینو دیدی

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

اینو دیدی

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

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

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

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


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

دانلود مقاله 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 با لینک مستقیم


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