Prediction of reflection coefficient of a perforated Quarter Circle Breakwater using artificial neural network (ann)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract A breakwater is structure which is generally adopted in not only protecting the shoreline, but also in creating tranquil zone on the lee side of the structure minimizing the various movements on the anchored ships / vessels due to the wave / tidal action in the region resulting in easy handling of goods. Over the years, breakwater was generally constructed using rubble mounds. Due to the increase in demand for the coastal development all over the world, many innovative Breakwater were evolved as against the rubble mound. In the recent times, in order to economize the innovative breakwater construction, Semi Circular caisson type Breakwater has been studied. Based on Semi circularBreakwater (SBW), Quarter circular Breakwater (QBW) has been evolved. The hydrodynamic performance of a coastal structure is important, because it involves many parameters to be considered while designing a safe and economical structure. The hydro-dynamic performance of a Quarter circular breakwater is studied in a monochromatic wave flume in the Department of Applied Mechanics and Hydraulics, National Institute of Technology, Surathkal Karnataka, India. In the present paper reflection coefficient (Kr) of a perforated Quarter circular Breakwater (QBW) with various S/D ( spacing to diameter ratio) values is predicted applying Artificial Neural Network (ANN) technique using MATLAB. Four networks were constructed by varying the number of hidden layers based on the input parameters, which affects the performance of the breakwater. The predicted values of reflection coefficient using ANN, are compared with the experimental results.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle