تخمین آبشستگی پایین دست سازه های کنترل شیب دار با استفاده از شبکه های عصبی هوشمند
Publish place: Tenth Irrigation and Evaporation Reduction Seminar
Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,121
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ABYARI10_223
تاریخ نمایه سازی: 22 خرداد 1391
Abstract:
سازه های کنترل شیب دار، یکی از انواع سازه های حفاظتی است که برای جلوگیری از فرسایش بستر کانال های آبرفتی مورد استفاده قرار می گیرد. جریان خروجی آب از سازه های هیدرولیکی در برخورد با رسوبات غیر چسبنده می تواند منجر به آبشستگی موضعی قابل توجهی گردد. از آنجا که آبشستگی موجب فرسایش و در نتیجه گود شدن بستر می گردد، ممکن است مخاطرات جدی را برای سازه مجاور به همراه داشته باشد. در طراحی فونداسیون این سازه ها، حداکثر عمق آبشستگی یکی از مسائل مهم بوده و عدم محاسبه دقیق آن در بسیاری از موارد منجر به خرابی سازه می گردد. لذا مطالعه دقیق مکانیزم آبشستگی، همواره مورد توجه مهندسان بوده است. در این مقاله با استفاده از روش هوشمند شبکه های عصبی مصنوعی عمق آبشستگی پایین دست مورد مطالعه دقیق قرار گرفته است. در این راستا، پارامترهای مهم بدون بعد: نسبت ماکزیمم عمق آبشستگی به عمق جریان، نسبت ماکزیمم آبشستگی سازه به عمق جریان، و نسبت فاصله شیب دار ماکزیمم آبشستگی سازه به عمق جریان برای هر پارامتر با استفاده از شبکه عصبی مصنوعی محاسبه و با روابط بدون بعد مورد مقایسه قرار گرفته است. نتایج نشان می دهد که خروجی های بدست آمده از روش شبکه عصبی مصنوعی از کارآئی مناسبتری برخوردار است.
Keywords:
Authors
سید مرتضی مرندی
استادیار گروه مهندسی عمران دانشگاه شهید باهنر کرمان
محمد نجف زاده
دانشجوی ارشد سازه های آبی، دانشگاه شهید باهنر کرمان
حامد جاودانیان
دانشجوی ارشد خاک و پی، دانشگاه شهید باهنر کرمان
پروین صفاپور
عضو هیات علمی گروه مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :