@article { author = {Mahdavi ,ey,and, Amin and Ahadiyan, Javad and ehteram, mohammad}, title = {ANFIS and Neural Network Methods to Sensitivity Analysis of the Factors in Aerated Spillway}, journal = {Irrigation and Water Engineering}, volume = {5}, number = {1}, pages = {83-95}, year = {2014}, publisher = {انجمن علمی مهندسی آبیاری و آب ایران}, issn = {2251-7359}, eissn = {}, doi = {}, abstract = {Aeration is one of the methods to reduce the cavitation damaged in spillways. The Aerators are designed in order adding air to flow. In this study, to estimate the required aerators air demand, three methods: neural network (based on Levenberg- Marquardt algorithm), ANFIS and the Fisher's experimental method was used. The parameters flow depth at the  aeration system, flow discharge, Step height, Ramp angle and The pressure difference between atmospheric pressure and  pressure under the flow jet in order to modeling was used. The Modeling results show that ANFIS method has better performance than the other two methods. In neural networks and ANFIS methods the pressure difference has the greatest impact on modeling.  If this parameter is omitted in the modeling, root mean square error for ANN 37.54 and ANFIS 224.74 percent increases. In ANN and ANFIS methods Step height has the Minimum impact on modeling. If Step height parameter omitted in the modeling, root mean square error for ANN 5.39 and ANFIS 13.4 percent increases.}, keywords = {Aerated,ANFIS,Neural Network,Sensitivity}, title_fa = {تحلیل حساسیت عوامل مؤثر در هوادهی سرریز با استفاده از روش‌های هوشمند مصنوعی و ANFIS}, abstract_fa = {هوادهی به جریان عبوری از سرریزها توسط هواده­ها یکی از روش­های مؤثر در کاهش دادن خسارت ناشی از کاویتاسیون در این سازه­ها می­باشد. در این تحقیق جهت برآورد هوای مورد نیاز هواده­ها از سه روش­ شبکه عصبی مصنوعی (مبتنی بر الگوریتم لونبرگ- مارکواد)، ترکیبی عصبی- فازی (ANFIS) و رابطه تجربی فیشر استفاده شد. پارامتر‌های h0 (عمق جریان در ابتدای سیستم هواده)، Qwater (دبی جریان عبوری از سریز)، s (ارتفاع پله)، α (زاویه رمپ) و hs (اختلاف فشار بین اتمسفر و فشار زیر جت جریان عبوری از روی سیستم هواده) به‌عنوان عوامل مؤثر بر میزان جریان هوای مورد نیاز هواده در نظر گرفته شدند و مدل­سازی بر اساس این پارامترها صورت گرفت. نتایج مدل­سازی نشان داد که در صورت در نظر گرفتن همه پارامترها روش ANFIS نسبت به دو روش دیگر عملکرد مطلوب­تری دارد. نتایج تحلیل حساسیت نشان داد که پارامتر اختلاف فشار مهم‌ترین پارامتر در مدل­سازی با استفاده از هر دو روش عصبی و ANFIS است به گونه­ای که در اثر حذف شدن این پارامتر در مدل­سازی، ریشه میانگین مربعات خطا برای روش­های شبکه عصبی و ANFIS به ترتیب در حدود 54/37 و 74/224 درصد افزایش می­یابد. درصد افزایش ریشه میانگین مربعات خطا در اثر حذف شدن پارامتر ارتفاع پله برای روش شبکه عصبی و ANFIS به ترتیب در حدود 39/5 و 4/13 درصد می­باشد که کمترین مقدار را در بین­ سایر پارامترها داشت و به‌عنوان کم اهمیت­ترین پارامتر در مدل­سازی با استفاده از هر دو روش شناخته شد.}, keywords_fa = {الگوریتم لونبرگ مارکواد,تحلیل حساسیت,شبکه عصبی,فازی,کاویتاسیون,هواده}, url = {https://www.waterjournal.ir/article_73372.html}, eprint = {https://www.waterjournal.ir/article_73372_db5ebb73f77393de60333a1bb6ff619f.pdf} }