مقاله شبیهسازی آبشستگی در پایاب سازههای مستهلک کننده انرژی با اس
مقاله شبیهسازی آبشستگی در پایاب سازههای مستهلک کننده انرژی با استفاده از الگوریتم Kدرنزدیک‌ترین همسایگی (KNN) و سیستم استنتاج تطبیقی عصبیدر فازی (ANFIS) pdf دارای 9 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله شبیهسازی آبشستگی در پایاب سازههای مستهلک کننده انرژی با استفاده از الگوریتم Kدرنزدیک‌ترین همسایگی (KNN) و سیستم استنتاج تطبیقی عصبیدر فازی (ANFIS) pdf کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله شبیهسازی آبشستگی در پایاب سازههای مستهلک کننده انرژی با استفاده از الگوریتم Kدرنزدیک‌ترین همسایگی (KNN) و سیستم استنتاج تطبیقی عصبیدر فازی (ANFIS) pdf ،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله شبیهسازی آبشستگی در پایاب سازههای مستهلک کننده انرژی با استفاده از الگوریتم Kدرنزدیک‌ترین همسایگی (KNN) و سیستم استنتاج تطبیقی عصبیدر فازی (ANFIS) pdf :
سال انتشار: 1387
محل انتشار: اولین کنفرانس بین المللی بحران آب
تعداد صفحات: 9
چکیده:
کاهنده‌های انرژی به منظور استهلاک انرژی جت آب ناشی از سیلاب‌ها که از روی سدها عبور می‌کند طراحی و اجرا می‌گردند. جهت تخلیه سیلاب از کنار و یا از روی سدها، روش‌های متعددی وجود دارد. یک روش آن است که جریان را بصورت آزاد به هوا تخلیه نمود و یکی از ابزارهای انجام این کار استفاده از سرریزهای شوت منتهی به پرتاب‌کننده جامی شکل (flip bucket) می‌باشد. در نقطه‌ای در پایین‌دست سد و در بستر رودخانه جت آب با حفر یک چاله انرژی خود را از دست می‌دهد. کم و کیف گسترش این حفره هنوز نامشخص است و پیش‌بینی موقعیت و دامنه گسترش آبشستگی در پایاب سازههای هیدرولیکی و مخصوصاً در پایین‌دست سازههای آبی بلند، مساله مهمی برای مهندسین طراح می‌باشد. در این تحقیق سعی شده است تا با بهره‌گیری از داده‌های به‌دست آمده از یک تحقیق آزمایشگاهی که توسط Azmatollah ارائه شده ابعاد حفره بوجود آمده از جت آب شبیهسازی شود و در جهت نیل به این هدف از الگوریتم K-نزدیک‌ترین همسایگی (KNN) و سیستم استنتاج تطبیقی عصبی- فازی استفاده شده است. نتایج شبیهسازی نشان‌دهنده قابلیت بیشتر مدل سیستم استنتاج تطبیقی عصبی- فازی نسبت به الگوریتم K-نزدیک‌ترین همسایگی (KNN)بوده است.
کلمات کلیدی:
