تخمین آبشستگی ناشی از جتهای غیر مستغرق دایروی و مستطیلی به کمک شبکه عصبی مصنوعی

پیش بینی دقیق آبشستگی از جمله آبشستگی ناشی از جتهای خروجی از سازه های هیدرولیکی، با توجه به پیچیدگی های فرآیند و مشکل بودن بررسی همزمان تمام جوانب ومتغیرهای موثر در مساله، امکان پذیر نبوده و اکثر روابط در محدوده خاصی از داده ها و شرایط آزمایش جوابگو می باشند. شبکه عصبی مصنوعی، ضمن اجرای فرآیند آموزش، بدون نیاز به ساده سازیهای روابط تجربی قوانین و روابط بین داده های تجربی را کشف کرده، آموخته های خود را به حالتهای مشابه تعمیم می دهد. در مقاله حاضر پیش بینی ابعاد (عمق، طول و عرض) حفره آبشستگی برای مجموعه ای از مشاهدات آزمایشگاهی محققین قبلی در زمینه جتهای غیر مستغرق دایروی ومستطیلی به کمک شبکه MLP در دو حالت، مدل اول با استفاده از پارامترهای بعد دار اولیه و مدل دوم با استفاده از پارامترهای بی بعد به دست آمده از آنالیز ابعادی، طراحی گردیده و عملکرد شبکه در هر دو مدل مورد ارزیابی قرار گرفته است.

Keywords:

جت , آبشستگی , ارتفاع ریزش , عمق پایاب , آنالیز ابعادی , شیکه عصبی مصنوعی , پرسپترون چند لایه