مدل سازی هوشمند جریان غلیظ نمکی در حضور موانع نفوذپذیر
Publish place: Water Resources Engineering Journal، Vol: 15، Issue: 53
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 38
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WEJMI-15-53_005
تاریخ نمایه سازی: 26 بهمن 1402
Abstract:
چکیدهمقدمه : جریان غلیظ یکی از مهمترین عوامل در فرآیند رسوبگذاری سدها میباشد. افزایش رسوب در نزدیک دیواره سد، ظرفیت ذخیره سازی آن را کاهش داده و چالش های قابلت وجهی را برای مهندسین مربوطه ایجاد میکند. بنابراین درک پویایی سیالات غلیظ و الگوهای رسوبی مرتبط جهت مدیریت مخزن سدها بسیار کارآمد است.روش : هدف از این تحقیق ایجاد یک مدل هوشمند با تطابق مناسب با داده های آزمایشگاهی بوده تا بتوان از آن در طرح های آتی با متغیرهای متفاوت نیز استفاده نمود. برایناساس در این تحقیق درصد کاهش هد جریان غلیظ نمکی تحت تاثیر موانع نفوذپذیر ذوزنقهای شکل (سنگدانه ها با قطر ۱ سانتیمتر)، با در نظر گرفتن متغیرهایی همچون دبی، شیب، غلظت و ارتفاع موانع به صورت آزمایشگاهی مورد بررسی قرار گرفت، سپس براساس نتایج حاصله اقدام به مدلسازی هد جریان غلیظ نمکی با روش شبکه عصبی مصنوعی پیشخور و روش کلاسیک رگرسیون چند متغیره شد و کارکرد این دو روش مورد مقایسه قرار گرفت.یافته ها : نتایج نشان داد که روش هوشمند شبکه عصبی مصنوعی پیشخور در مدلسازی درصد کاهش هد جریان غلیظ نمکی نسبت به روش رگسیون چند متغیره برتری قابل توجهی دارد بهگونهای که مقادیر رگسیون آموزش، واسنجی و تست به ترتیب ۹۹/۰، ۰.۹۸ و ۹۸/۰ برای شبکه عصبی و ۹۲/۰، ۰.۹۱ و ۹۱/۰ برای رگسیون چند متغیره بدست آمد.نتیجه گیری : عملکرد شبکه عصبی مصنوعی نسبت به روش رگسیون چند متغیره کارایی بسیار بهتری دارد.
Keywords:
Authors
مهدی درخشان نیا
دانشجوی دکتری، گروه مهندسی عمران، واحد نجف آباد، دانشگاه آزاد اسلامی نجف آباد، نجف آباد، ایران.
مهدی قمشی
استاد، گروه سازه های آبی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.
سید سعید اسلامیان
استاد، گروه مهندسی عمران، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران. و گروه مهندسی آب، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان، ایران .
سید محمود کاشفی پور
استاد، گروه سازه های آبی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.
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 :