@article { author = {Mehri, Yaser and Abbasi, Nader}, title = {An Assessment of Using Intelligence Fuzzy Models to Tstimate the Sequent Depth and Roller length of B-type Hydraulic Jump}, journal = {Irrigation Sciences and Engineering}, volume = {40}, number = {4}, pages = {213-225}, year = {2018}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2588-5952}, eissn = {2588-5960}, doi = {10.22055/jise.2017.20157.1446}, abstract = {Development of irrigation and drainage networks is known as one of the most effective approaches for the optimal use of limited water resources (Abbasi., 2011). But many of the constructed networks suffer from different problems which raised from different reasons. Rahimi et al. (2011) categorized these reasons as; poor design, improper construction operation, low quality of construction materials, poor operation and maintenance, and geotechnical problems of the subgrade materials. Stilling basins are commonly used structures in order to dissipate the energy in downstream of chutes. In general, a hydraulic jump would be created at the end of the chute. The B-type hydraulic jump takes place on the positively inclined plane of a chute under particular conditions. In this condition, determination of the secondary depth and the length of the roller is essential for protecting the structures. Since there is no  proper analytical method to solve the momentum equation for the mentioned condition, using of different smart techniques such as artificial intelligence was considered recently. Caralo et al. (2011) developed different models for determination of the flow characteristics for B-type hydraulic jump. Dusan etal. 2012 presented a neo- Fuzzy system for predicting the weir coefficient.  Akib etal. (2014) predicted the scouring depth by using of neo- Fuzzy system. Azamathulla et al. (2012) developed a neo-fuzzy system for prediction of the sediment transport. In this research, the application of two intelligence methods including Neuro - Fuzzy Inference System and fuzzy inference system were investigated.}, keywords = {Keywords: fuzzy logic,Hydraulic jump,Forecasting,Energy dissipation}, title_fa = {بررسی امکان استفاده از مدل‌های هوشمند فازی برای برآورد عمق ثانویه و طول غلتاب پرش هیدرولیکی نوع B}, abstract_fa = {پرش هیدرولیکی نوع B پرشی است که روی سطح شیبدار با شیب مثبت یک شوت تحت شرایط خاص اتفاق می­افتد، به گونه­ای که تعیین عمق ثانویه و طول غلتاب در آن برای حفاظت از سازه­های ساخته شده و جلوگیری از آبشستگی ضروری است. دراین پژوهش کاربرد دو روش هوشمند سامانه استنتاج فازی و فازی - عصبی بحث و بررسی شده است. برای مد­­ل­سازی از داده­های آزمایشگاهی استفاده و کد نویسی در محیط نرم افزار متلب انجام شد. از الگوریتم تکرار شونده برای بهینه نمودن هردو مدل استفاده شد. نتایج نشان داد که الگوریتم تکرار شونده که برای بهینه­سازی در هردو مدل استفاده گردید، سبب کارایی بهتر مدل­ها شد. روش­های مورد استفاده در این تحقیق توانایی پیش­بینی مشخصات پرش هیدرولیکی را با دقت قابل قبول دارا هستند و نسبت به مدل­های فیزیکی و روش­های تجربی با توجه به پیچیده بودن شرایط از لحاظ زمان و هزینه برای پیش­بینی مناسب­ترند. از نتایج دیگر این پژوهش انعطاف پذیری بالای مدل فازی – عصبی نسبت به سامانه استنتاج فازی است. همچنین می­توان به دقت بالاتر مدل فازی- عصبی نسبت به سامانه استنتاج فازی اشاره نمود. با توجه به ارزیابی دو مدل سامانه استنتاج فازی و مدل فازی – عصبی تطبیقی استفاده شده در این تحقیق شاخص­های ارزیابی­ برای پیش­بینی عمق ثانویه پرش و طول غلتاب با جذر میانگین مربعات خطا 014/0 و ضریب تعیین 997/0 برای عمق ثانویه و جذر میانگین مربعات خطای 033/0 و ضریب تعیین 983/0 برای طول غلتاب نشان می­دهد که مدل فازی - عصبی، مدلی مناسب برای پیش­بینی پارامتر­های پرش هیدرولیکی می­باشد.}, keywords_fa = {منطق فازی,پرش هیدرولیکی,پیش بینی,مستهلک کننده انرژی,مدل های هوشمند}, url = {https://jise.scu.ac.ir/article_13334.html}, eprint = {https://jise.scu.ac.ir/article_13334_3f4eee26003c23d1a8ea7bedceb5a6b7.pdf} }