تخمین هوشمند حداکثر عمق آب شستگی اطراف آب شکن های L شکل با استفاده از شبکه های عصبی مصنوعی و سیستم استنتاج فازی- عصبی

از جمله مسایل مهم در طراحی آب شکن ها، پدیده آب شستگی موضعی دماغه آنها می باشد که به علت تنگ شدگی مقطع جریان و وجود گردابه های قوی به وجود می آید و یکی از شاخص های مهم در تعیین مشخصات حفره ی آب شستگی، حداکثرعمق آب شستگی می باشد. امروزه شبکه های عصبی کاربردهای بسیاری در مسایل مختلف مهندسی آب که رابطه و الگوی مشخصی بین عوامل موثر بر وقوع یک پدیده وجود ندارد، پیدا کرده است. بنابراین در این پژوهش از دو روش شبکه عصبی مصنوعی، سیستم استنتاج فازی عصبی به برآورد میزان عمق آب شستگی اطراف آب شکن L- شکل پرداخته شده است. همچنین نتایج به دست آمده از این روش ها با رابطه تجربی موجود مقایسه شده است. برای شبکه عصبی مصنوعی از یک لایه میانی با ۵ نرون استفاده شد. تابع محرک لایه میانی نیز تانژانت هیپربولیک و تابع محرک لایه خروجی سیگموئید درنظر گرفته شد. سیستم استنتاج فازی- عصبی به کار رفته در این تحقیق نیز سوگینو می باشد که از الگوریتم یادگیری پیوندی برای تعیین پارامترهای سیستم فازی استفاده می کند. ضریب همبستگی برای داده های آزمون در شبکه عصبی مصنوعی، سیستم استنتاج فازی عصبی و رابطه تجربی به ترتیب ۹۷/۰، ۹۹/۰ و ۹۳/۰ به دست آمده است. مقایسه نتایج نشان دهنده قدرت بالای سیستم های هوشمند (به خصوص سیستم استنتاج فازی عصبی) در یادگیری و تخمین عمق آب شستگی اطراف این نوع آب شکن می باشد.