پیش بینی پارامترهای جهش هیدرولیکی واگرا در شیب کف معکوس با استفاده از شبکه عصبی مصنوعی

در این تحقیق یک رهیافت شبکه عصبی مصنوعی ANN)با ساختار پرسپترون چند لایه برای پیش بینی نسبت عمق ثانویه و طول نسبی جهش هیدرولیکی واگرا در مقطع مستطیلی با شیب کف معکوس که به جهت عدم امکان رابطه تئوری صریح برای برآورد پارامترهای جهش، ازحالت های خاص و پیچیده جهش هیدرولیکی می باشند، بکار گرفته شده است. برای این منظور آزمایش هایی بر روی مدل آزمایشگاهی حوضچه آرامش و در دامن های از زوایای واگرایی (صفر ،3و5و7و10 و شیبهای معکوس کف صفر، 2/3، 4/1 و 5/6 و 8انجام پذیرفته و پارامترهای اصلی جهش شامل عمق ثانویه، طول جهش و افت نسبی انرژی اندازه گیری گردیدند. در مجموع تعداد 152 سری داده آزمایشگاهی شامل عمق ثانویه وطول جهش در گستره زوایای واگرایی و شیب های کف برای آموزش و صحت یابی شبکه عصبی مورد استفاده قرار گرفت. در توسعه مدلANN ده ساختار پرسپترون چندلایه، با تعداد لایه های پنهان و نرون های مختلف، مورد ارزیابی قرار گرفتند

Keywords:

جهش هیدرولیکی واگرا , حوضچه آرامش , شیب کف معکوس , پارامترهای جهش , شبکه عصبی مصنوعی