فهرست نشریات علمی دسترسی آزاد ایران

در این تحقیق، از یک شبکه عصبی مصنوعی در برآورد پروفیل پرش هیدرولیکی در حوضچه آرامش همراه با دیواره همگرا  که از حالت­های خاص و پیچیده پرش هیدرولیکی می­باشد، استفاده شده است. تعداد 1500 داده آزمایشگاهی اعماق پرش هیدرولیکی مربوط به مقاطع مستطیلی، برای همگرایی  %7/2،  %4 و %3/5 مورد استفاده قرار گرفته است. در توسعه مدل شبکه عصبی مصنوعی، 10 ساختار پرسپترون، با تعداد لایه­های پنهان و نرون­های مختلف، مورد ارزیابی قرار گرفتند. در مورد نتیجه نهایی، ساختاری که بالاترین مقدار ضریب همبستگی را تولید می­کرد، به عنوان مدل بهینه انتخاب گردید. برای مقاطع همگرا، مناسب­ترین مدل شبکه عصبی برای پروفیل پرش هیدرولیکی ساختار 1-3-5 با 15 نرون در لایه­های مخفی با ضریب رگرسیون 999/0 به دست آمد. مقادیر بالای به دست آمده برای ضریب رگرسیون، بیانگر همبستگی نزدیک بین مقادیر خروجی مدل شبکه عصبی با داده­های آزمایشگاهی می­باشد.