پاورپوینت درباره آشنایی با مدل سازی امواج کم عمق نزدیک ساحل و امواج دور از ساحل عمیق با استفاده از نرم افزار مایک

اختصاصی از کوشا فایل پاورپوینت درباره آشنایی با مدل سازی امواج کم عمق نزدیک ساحل و امواج دور از ساحل عمیق با استفاده از نرم افزار مایک دانلود با لینک مستقیم و پر سرعت .

فرمت فایل    power pointتعداد صفحات : 17   صفحه

žمدل سازی بخش بسیار مهمی از رشته اقیانوس شناسی فیزیکی است و برای طراحی ها و برنامه ریزی ها و سرمایه گذاری های بلند مدت موضوع پیش بینی حاصل از مدل سازی حایز اهمیت است.

žدر این میان نرم افزار مایک 21 یکی از نرم افزارهای مطرح مدل سازی موج است که یادگیری آن برای دانشجویان رشته فیزیک دریا می تواند راه گشا باشد.

žپس از اجرای برنامه از منوی file گزینه new را انتخاب می کنیم تا پروژه جدید تعریف شود.

žبرای این کار هم چنین می توان از فشرد کلید های همزمان ctrl و n نیز استفاده کرد.

žهمچنین آیکون صفحه ی سفید زیر منوی فایل نیز همین کار را انجام می دهد.

داده های عمق نگاری خلیج فارس و دریای عمان ETOPO1

اختصاصی از کوشا فایل داده های عمق نگاری خلیج فارس و دریای عمان ETOPO1 دانلود با لینک مستقیم و پر سرعت .

دانلود داده های عمق نگاری (Bathymetry) خلیج فارس و دریای عمان با رزولوشن بسیار بالای 1 دقیقه ای(حدود 2 کیلومتری) که موسوم به داده های ETOPO1 هستند  البته این داده ها هم دارای مقادیر مثبت و هم منفی هستند که برای کاربردهای دریایی باید داده های مثبت آن را حذف کنید.

کاربرد شبکه های عصبی مصنوعی در پیش بینی عمق آبشستگی پایین دست سرریز سیفونی

اختصاصی از کوشا فایل کاربرد شبکه های عصبی مصنوعی در پیش بینی عمق آبشستگی پایین دست سرریز سیفونی دانلود با لینک مستقیم و پرسرعت .

• مقاله با عنوان: کاربرد شبکه های عصبی مصنوعی در پیش بینی عمق آبشستگی پایین دست سرریز سیفونی 

• نویسندگان: علی توکلی پسند ، ابراهیم جباری ، سروش بردبار ، محمود حمزه ضیابری 

• محل انتشار: هشتمین کنگره ملی مهندسی عمران - دانشگاه صنعتی نوشیروانی بابل - 17 و 18 اردیبهشت 93  

• محور: سازه های هیدرولیکی 

• فرمت فایل: PDF و شامل 8 صفحه می باشد.

چکیــــده:

یکی از مهمترین پدیده‌های مرتبط با سازه‌های هیدرولیکی، پدیده آبشستگی می‌باشد. آبشستگی در پایین دست سرریزها و دانشی که به کمک آن بتوان، دامنه گسترش حفره آبشستگی را پیش بینی نمود، با توجه به خطراتی که این پدیده برای پایداری سد دارد، همواره از موضوعات مورد توجه محققین بوده است. سرریز سیفونی نیز یکی از انواع سرریزها می‌باشد که با توجه به قابلیت‌های خاص خود در سدهای مختلفی طی قرن اخیر، مورد استفاده قرار گرفته است. در این تحقیق با جمع آوری داده‌های آزمایشگاهی و استفاده از سه نوع پرکاربرد شبکه‌های عصبی مصنوعی یعنی شبکه با تغذیه رو به جلو و الگوریتم پس انتشار خطا (FFBP) و شبکه CFBP با تابع آموزش Levenberg-Marquardt و شبکه تابع پایه شعاعی (RBFN) عمق آبشستگی در پایین دست سرریز سیفونی، تخمین زده شده است. شاخص‌های آماری عملکرد قابل قبول شبکه FFBP را با R2=0.94 و RMSE=0.06 در مقایسه با دو نوع دیگر شبکه عصبی و مدل های رگرسیونی خطی و غیر خطی نشان می‌دهد.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF مقالات نام فایل را به انگلیسی Rename کنید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **

پیش بینی عمق آبشستگی موضعی پایه پل با استفاده از الگوریتم بهینه یابی جفت گیری زنبورهای عسل (HBMO)

اختصاصی از کوشا فایل پیش بینی عمق آبشستگی موضعی پایه پل با استفاده از الگوریتم بهینه یابی جفت گیری زنبورهای عسل (HBMO) دانلود با لینک مستقیم و پرسرعت .

• مقاله با عنوان: پیش بینی عمق آبشستگی موضعی پایه پل با استفاده از الگوریتم بهینه یابی جفت گیری زنبورهای عسل (HBMO) 

• نویسندگان: محمد عمرانی منش ، سید حسین افضلی 

• محل انتشار: دهمین کنگره بین المللی مهندسی عمران - دانشگاه تبریز - 15 تا 17 اردیبهشت 94 

• فرمت فایل: PDF و شامل 8 صفحه می باشد.

چکیــــده:

احداث پل ها روز به روز در حال افزایش است. یکی از مسائل مهم در زمینه طراحی پل‌هایی که در مسیر جریان‌های رودخانه‌ای قرار می‌گیرند تخمین عمق آبشستگی موضعی اطراف پایه‌های پل می‌باشد. پدیده آبشستگی می‌تواند در مواقع سیلابی پایداری پل را تهدید کند. به دلیل پیچیده بودن مکانیزم جریان اطراف پایه پل، بدست آوردن یک رابطه تجربی کلی که بتواند تخمین درستی از عمق آبشستگی ارائه کند، حائز اهمیت می‌باشد. از طرفی پیش بینی مناسب عمق آبشستگی در جهت طراحی ایمن و اقتصادی شالوده آنها از اهمیت زیادی برخوردار است. در این مقاله با استفاده از قابلیت‌های الگوریتم بهینه یابی جفت گیری زنبورهای عسل (HBMO)، مدلی برای پیش بینی عمق آبشستگی موضعی پایه پل ارائه شده است. در این تحقیق جهت تدوین مدل پیشنهادی از داده‌های میدانی استفاده گردیده است. بررسی شاخص‌های آماری نشان می‌دهد که مدل مذکور در مقایسه با روابط معتبر موجود، عمق آبشستگی موضعی پایه پل را با دقت بیش تری پیش بینی می‌کند.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF مقالات نام فایل را به انگلیسی Rename کنید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **

برآورد عمق آبشستگی موضعی اطراف پایه های پل تا آرایش مرکب تحت اثر جریان آب زلال تا استفاده از روش دسته بندی گروهی داده ها

اختصاصی از کوشا فایل برآورد عمق آبشستگی موضعی اطراف پایه های پل تا آرایش مرکب تحت اثر جریان آب زلال تا استفاده از روش دسته بندی گروهی داده ها دانلود با لینک مستقیم و پرسرعت .

• مقاله با عنوان: برآورد عمق آبشستگی موضعی اطراف پایه های پل تا آرایش مرکب تحت اثر جریان آب زلال تا استفاده از روش دسته بندی گروهی داده ها 

• نویسندگان: رسول زارعی ، غلامعباس بارانی 

• محل انتشار: دهمین کنگره بین المللی مهندسی عمران - دانشگاه تبریز - 15 تا 17 اردیبهشت 94 

• فرمت فایل: PDF و شامل 8 صفحه می باشد.

چکیــــده:

در این تحقیق از روش دسته بندی گروهی داده‌ها (GMDH) جهت تخمین عمق آبشستگی موضعی اطراف پایه‌های پل با آرایش مرکب تحت اثر جریان آب زلال استفاده می‌شود. شبکه GMDH توسط الگوریتم‌های جستجوی گرانشی و جامعه پرندگان توسعه داده می‌شود. پارامترهای موثر بر عمق آبشستگی موضعی شامل سرعت متوسط جریان بالادست، سرعت بحرانی رسوبات کف کانال، قطر پایه پل، فواصل پایه‌های پل از یکدیگر در جهت طول و عرض کانال، آرایش گروه پایه‌های پل، قطر میانه ذرات رسوب و عمق جریان آب بالادست می‌باشند. 9 متغیر مستقل جهت توسعه مدل‌های GMDH در نظر گرفته شده است. عملکرد دو مدل‌های پیشنهادی GMDH در مراحل آموزش و ارزیابی با هم مقایسه می‌شوند. نتایج حاصل از مدل سازی با روش‌های تجربی بر مبنای رگرسیون مقایسه خواهند شد. همچنین موثرترین پارامتر بر عمق آبشستگی با استفاده از تکنیک آنالیز حساسیت مشخص شده است.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF مقالات نام فایل را به انگلیسی Rename کنید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **