محمدنوید مقیم - دانشجوی دکتری سازه های هیدرولیکی دانشگاه تربیت مدرس
مجتبی گلدی درسنگی - دانشجوی دکتری سازه های هیدرولیکی دانشگاه تربیت مدرس
مسعود قدسیان - استاد گروه هیدرولیک دانشگاه تربیت مدرس

یکی از مهمترین موضوعات تحقیقاتی که در علم هیدرولیک مطرح است آبشستگی ناشی از جریان در اطراف سازه های هیدرولیکی است . جتهای دیواره ای نوعی از جتها می باشند که با عبور یک جریان با سرعت زیاد از باز شدگی دریچه و تبادل مومنتم با سیال اطراف خود گ سترش می یابند . عبور این نوع جریان باعث ایجاد آبشستگی در منطقه بعد از دریچه خواهد شد . ایجاد حفره آبشستگی امکان ناپایداری سازه اطراف حفره را تشدید می کند . تا به امروز تحقیقات زیادی بر روی اثر پارامترهای مختلف بر ابعاد حفره آبشستگی ایجاد شده توسط جتهای دی واره ای انجام شده است . هر کدام از این تحقیقات رابطه ای با یک محدوده کاربرد خاص برای تعیین حداکثر عمق آبشستگی تحت اثر جتهای دیواره ای ارایه کرده اند که هرکدام از این روابط نیز نسبت به داده های آزمایشگاهی دارای خطا می باشد . با توجه به این موضوع با جمع آوری چند سری داده آزمایشگاهی از منابع مختلف، اقدام به آموزش شبکه عصبی مصنوعی برای کل محدوده داده بدست آمده، شده است . شبکة عصبی استفاده شده در این تحقیق از نوع شبکة یادگیری با نظارت است . مقایسه نتایج حاصل از شبکه عصبی و نتایج بدست آمده از روابط موجود با نتایج آز مایشگاهی، حاکی از توانایی و سرعت بالای شبکه عصبی در برآورد حداکثر عمق آبشستگی تحت اثر جتهای دیواره ای می باشد .

آبشستگی، جت دیواره ای، مطالعه آزمایشگاهی، شبکه عصبی مصنوعی، آموزش با نظارت