تورج هنر - دانشیار گروه مهندسی آب کشاورزی، دانشگاه شیراز
سوده پورحمزه - دانشجوی سابق کارشناسی ارشد آبیاری و زهکشی، دانشگاه شیراز

در این تحقیق از شبکه عصبی مصنوعی برای مدلسازی طول و عمق ثانویه پرش هیدرولیکی در حوضچه آرامش با دیواره همگرا و شیب کف منفی -که یکی از حالتهای خاص و پیچیده در پرش هیدرولیکی است- استفاده شده است. تعداد ۱۶۸۲ داده آزمایشگاهی طول و عمق ثانویه پرش هیدرولیکی مربوط به مقاطع مستطیلی، برای شیب کف منفی %۶/۰-، %۳/۱- و %۲- با زاویه همگرایی %۷/۲، %۴ و %۳/۵ استفاده شده است. در توسعه مدل شبکه، ۱۵ ساختار پرسپترون با تعداد مختلفی از لایههای پنهان ونرونها ارزیابی شدند. در نتیجه، ساختاری که بالاترین مقدار ضریب همبستگی را ایجاد میکرد، بهعنوان مدل بهینه انتخاب شد. برای مقاطع همگرا با شیب کف منفی، مناسبترین مدل شبکه عصبی برای تعیین عمق ثانویه پرش هیدرولیکی، ساختار ۱-۳-۶ با ۱۶ نرون در لایه پنهان و ضریب برازش برابر ۹۹۷۴/۰ بهدست آمد. همچنین برای طول پرش ساختار ۱-۲-۶ با ۸ نرون در لایههای پنهان وضریب برازش برابر با ۹۸۶۵/۰ بهدست آمد. مقادیر بالای بهدست آمده برای ضرایب برازش، بیانگر همبستگی نزدیک بین مقادیر خروجی مدل شبکه عصبی با دادههای آزمایشگاهی است.

پرش هیدرولیکی, شیب کف منفی, دیواره همگرا, شبکه عصبی مصنوعی