Documents disponibles écrits par cet auteur

Estimation of scour below spillways using neural networks / Azmathullah, H. M. D. in Journal of hydraulic research, Vol. 44 N°1 (2006)

Public ISBD [article]  in Journal of hydraulic research > Vol. 44 N°1 (2006) . - 61-69 p. Titre : Estimation of scour below spillways using neural networks Titre original : Evaluation de l'affouillement au pied des déversoirs en utilisant les réseaux neuronaux Type de document : texte imprimé Auteurs : Azmathullah, H. M. D., Auteur ; Deo, M. C., Auteur ; Deolalikar, P. B. Article en page(s) : 61-69 p. Note générale : Hydraulique Langues : Anglais (eng) Mots-clés : Neural  networks  Scour  depth  Ski-jump  spillway  dissipators  Scour  below  spillways  Network  training  Network  testing  Réseaux  neurologiques  Profondeur  d'affouillement  Ski-sauter  les  dissipateurs  de  déversoir  Affouillement  Déversoirs  Formation  de  réseau  Essai  de  réseau Index. décimale : 627 Ingénierie des cours d'eau naturels, des ports, des rades et des cotes. Installations de navigation, de dragage, de récupération et de sauvetage. Barrages et centrales électriques hydrauliques Résumé : Information on the depth of the scour hole formed downstream of a ski-jump bucket type of energy dissipator is necessary in determining the safety of dams and adjoining structures. Traditional formulae available to predict scour depth suffer from many limitations including one arising out of the technique of data analysis commonly employed, namely, statistical regression. This paper presents an alternative to regression in the form of neural networks. A feed forward network is developed to predict the depth of the scour hole below ski-jump spillways from the specified values of head and discharge intensity. Field measurements collected from a variety of published literature are used to train the network. The validation of the developed network using observations that were not involved in the training indicated the usefulness of the neural network approach for the prediction problem under consideration. Network-yielded values are found to be more accurate than those given by the traditional equations. A matrix of weights and bias values for general use in any location is specified. L'information sur la profondeur de l'affouillement a formé en aval de ski-sautent le type de seau de dissipateur d'énergie est nécessaire en déterminant la sûreté des barrages et des structures contiguës. Les formules traditionnelles disponibles pour prévoir la profondeur d'affouillement souffrent de beaucoup de limitations comprenant on provenant de la technique de l'analyse de données généralement utilisée, à savoir, la régression statistique. Cet article présente une alternative à la régression sous forme de réseaux neurologiques. Un réseau vers l'avant d'alimentation est développé pour prévoir que la profondeur d'affouillement ci-dessous ski-sautent des déversoirs des valeurs indiquées de la tête et déchargent l'intensité. Des mesures sur le terrain rassemblées d'une variété de littérature éditée sont employées pour former le réseau. La validation du réseau développé employant les observations qui n'ont pas été impliquées dans la formation a indiqué l'utilité de l'approche de réseau neurologique pour le problème de prévision à l'étude des valeurs Réseau-rapportées s'avèrent plus précises que ceux indiquées par les équations traditionnelles. Une matrice des poids et des valeurs polarisées pour l'usage général dans n'importe quel endroit est indiquée. DEWEY : 627 ISSN : 0022-1686 RAMEAU : Déversoirs [article] Estimation of scour below spillways using neural networks = Evaluation de l'affouillement au pied des déversoirs en utilisant les réseaux neuronaux [texte imprimé] / Azmathullah, H. M. D., Auteur ; Deo, M. C., Auteur ; Deolalikar, P. B. . - 61-69 p. Hydraulique Langues : Anglais (eng) in Journal of hydraulic research > Vol. 44 N°1 (2006) . - 61-69 p. Mots-clés : Neural  networks  Scour  depth  Ski-jump  spillway  dissipators  Scour  below  spillways  Network  training  Network  testing  Réseaux  neurologiques  Profondeur  d'affouillement  Ski-sauter  les  dissipateurs  de  déversoir  Affouillement  Déversoirs  Formation  de  réseau  Essai  de  réseau Index. décimale : 627 Ingénierie des cours d'eau naturels, des ports, des rades et des cotes. Installations de navigation, de dragage, de récupération et de sauvetage. Barrages et centrales électriques hydrauliques Résumé : Information on the depth of the scour hole formed downstream of a ski-jump bucket type of energy dissipator is necessary in determining the safety of dams and adjoining structures. Traditional formulae available to predict scour depth suffer from many limitations including one arising out of the technique of data analysis commonly employed, namely, statistical regression. This paper presents an alternative to regression in the form of neural networks. A feed forward network is developed to predict the depth of the scour hole below ski-jump spillways from the specified values of head and discharge intensity. Field measurements collected from a variety of published literature are used to train the network. The validation of the developed network using observations that were not involved in the training indicated the usefulness of the neural network approach for the prediction problem under consideration. Network-yielded values are found to be more accurate than those given by the traditional equations. A matrix of weights and bias values for general use in any location is specified. L'information sur la profondeur de l'affouillement a formé en aval de ski-sautent le type de seau de dissipateur d'énergie est nécessaire en déterminant la sûreté des barrages et des structures contiguës. Les formules traditionnelles disponibles pour prévoir la profondeur d'affouillement souffrent de beaucoup de limitations comprenant on provenant de la technique de l'analyse de données généralement utilisée, à savoir, la régression statistique. Cet article présente une alternative à la régression sous forme de réseaux neurologiques. Un réseau vers l'avant d'alimentation est développé pour prévoir que la profondeur d'affouillement ci-dessous ski-sautent des déversoirs des valeurs indiquées de la tête et déchargent l'intensité. Des mesures sur le terrain rassemblées d'une variété de littérature éditée sont employées pour former le réseau. La validation du réseau développé employant les observations qui n'ont pas été impliquées dans la formation a indiqué l'utilité de l'approche de réseau neurologique pour le problème de prévision à l'étude des valeurs Réseau-rapportées s'avèrent plus précises que ceux indiquées par les équations traditionnelles. Une matrice des poids et des valeurs polarisées pour l'usage général dans n'importe quel endroit est indiquée. DEWEY : 627 ISSN : 0022-1686 RAMEAU : Déversoirs