دانلود مقاله ISI انگلیسی شماره 52543
عنوان فارسی مقاله

پیش بینی ویژگی های شعله و نرخ گسترش در تبلیغ آتش سوزی در بستری از گونه کاج بیابانی با استفاده از شبکه های عصبی مصنوعی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
52543 2015 7 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Predicting the flame characteristics and rate of spread in fires propagating in a bed of Pinus pinaster using Artificial Neural Networks
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Process Safety and Environmental Protection, Volume 98, November 2015, Pages 50–56

کلمات کلیدی
آتش سوزی جنگل - نرخ گسترش - ویژگی های شعله هندسی - متامدل شبیه سازی - شبکه های عصبی مصنوعی - انتشار به عقب
پیش نمایش مقاله
پیش نمایش مقاله پیش بینی ویژگی های شعله و نرخ گسترش در تبلیغ آتش سوزی در بستری از گونه کاج بیابانی با استفاده از شبکه های عصبی مصنوعی

چکیده انگلیسی

Physical and geometrical characteristics of flame propagation are very important to better understand the forest fire spread behaviour and to improve risk management tools. Having a tool to predict these characteristics is of practical and theoretical interest for a better understanding of the complex chemical and physical mechanisms which occur during forest fire phenomena. A metamodel is presented based on Artificial Neural Networks (ANNs) for estimating physical and geometrical parameters of the forest fire front, namely the rate of spread (ROS), flame height (Hf) and flame tilt angle (αf). The ANN was developed using literature data obtained from experiments of fire propagation in beds of Pinus pinaster needles. The optimal feedforward ANN architecture with error backpropagation (BPNN) was determined by the cross validation method. The ANN architecture having 5 hidden neurons proved to be the best choice. Comparing the modelled values by the ANN with the experimental data indicates that neural network model provide accurate results. The performance of the ANN model was compared with a metamodelling method using a multilinear regression approximation.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.