بررسی عملکرد شبکه های عصبی مصنوعی در برآورد بیشترین ژرفای آبشستگی پیرامون آبشکن ها
Abstract(in Persian; no English abstract is available)
یکی از عوامل اصلی ویرانی آبشکن ها آبشستگی می باشد که فرآیندی بسیار پیچیده است. پیچیدگی الگوی جریان پیرامون آبشکنها و گوناگونی عوامل مؤثر بر آبشستگی، موجب پرشماری روابط تجربی و کاهش دامنه ی هر یک از آنها، به دلیل محدودیت شرایط آزمایشگاهی می شود. در این تحقیق امکان استفاده از شبکه های پرسپترون چندلایه(mlp) برای برآورد بیشترین ژرفای آبشستگی پیرامون سه نوع آبشکن شامل آبشکنهایی با دیواره ی عمودی، بالدار و نیم دایره ای مورد مطالعه قرار گرفتند. دستاوردهای شبیه شبکه عصبی مصنوعی با نتایج به دست آمده از رابطه ی تجربی پیشنهادی به وسیله ی باربهیوا و دی(2004) مقایسه گردیدند. هشت نمایشنامه بر اساس فراسنجهای مؤثر و شبکه های با ورودیهای مختلف برای پیش بینی ژرفای آبشستگی تعریف شدند. مقایسه ی نتایج نمایشنامه های مختلف نشان دادند که نمایشنامه ای که تنها از دو فراسنج و برای برآورد ژرفای آبشستگی در پیرامون آبشکن استفاده می کند، از عملکرد بهتری برخوردار است. همچنین، نتایج تحلیل حساسیت نشان دادند که فراسنجهای و بیشترین تأثیر را در پیش بینی ژرفای آبشستگی آبشکن دارند. مقایسه نتایج شبیه شبکه های عصبی و مقادیر محاسبه شده از رابطه ی تجربی با داده های آزمایشگاهی نشان دادند که مقادیر بیشترین ژرفای آبشستگی به دست آمده از روش شبکه های عصبی مصنوعی از دقت بیشتری نسبت به رابطه-ی تجربی برخوردارند. همچنین، دقت شبکه های عصبی مصنوعی در برآورد ژرفای آبشستگی پیرامون آبشکنهای با دیواره ی عمودی در مقایسه با دو نوع آبشکن دیگر بیشتر است.
Authors and affiliations
- پیام خسروی نیا — دانشجوی دکترای مهندسی آب دانشگاه تبریز
- حبیب صیادی — دانشجوی دکترای مهندسی آب دانشگاه تبریز
- علی حسین زاده دلیر — دانشیار مهندسی آب دانشگاه تبریز
- داود فرسادی زاده — دانشیار مهندسی آب دانشگاه تبریز
- رسول میرعباسی نجف آبادی — دانشجوی دکترا مهندسی آب دانشگاه تبریز