بررسی اثر هوادهی جت بر میزان آبشستگی با استفاده از ANN و ANFIS
Publish place: 12th Iranian Hydraulic Conference
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 575
This Paper With 9 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:
IHC12_120
تاریخ نمایه سازی: 30 شهریور 1394
Abstract:
جریان عبوری از سیستم های تخلیه سیلاب اغلب به صورت جت های ریزشی خارج می شود که این امر میتواند منجر به آبشستگی با ابعاد مختلف در رودخانه پایاب و اطراف این سازه ها گردد. پیش بینی ابعاد حفره آبشستگی از مسائل چالش برانگیز علم هیدرولیک محسوب می گردد. ابعاد و مشخصات حفره آبشستگی متأثر از متغیرهای متعددی از قبیل پارامترهای جریان مشخصات بستر آبرفتی، زمان و هندسه آبراهه و همچنین ارتفاع ریزش می باشد. با افزایش میزان ارتفاع ریزش در جت های ریزشی میزان غلظت هوای ترکیب شده با جت افزایش یافته و منجر به کاهش اثر مغزه جت بر میزان عمق آبشستگی می گردد. از آنجاییکه ساخت مدل فیزیکی مشکلات و محدودیت هایی به همراه دارد و معمولا در تعیین نگاشت میان پارامترهای موثر بر آبشستگی نمی توان اثر دقیق همه پارامترها را در نظر گرفت لذا در مقاله حاضر بهینه یابی ابعاد حفره آبشستگی ناشی از جت های ریزشی با استفاده از دو روش شبکه عصبی مصنوعی و سیستم تطبیقی عصبی- فازی مورد توجه قرار گرفته است. در این راستا از داده های آزمایشگاهی حاصل از بررسی اثرهوادهی جت بر عمق آبشستگی استفاده شده است. نتایج دو روش مذکور بامعادله حاصل از روش رگرسیون غیر خطری بین داده های مشابه مقایسه گردیده است. ضریب همبستگی برای داده های آزمون در شبکه عصبی مصنوعی سیستم استنتاج فازی عصبی و رگرسیون غیرخطی به ترتیب ۰/۹۹۷۵،۰/۹۹۳ و ۰/۹۵۶ بدست آمده است. مقایسه نتایج موجود نشان می دهد که دقت روش سیستم استنتاج فازی عصبی از بقیه روش ها بالاتر است و می تواند برای برآورد عمق آبشستگی مورد استفاده قرار گیرد.
Keywords:
جت ریزشی ا پیش هوادهی ا شبشستگی ا شبکه عصبی مصنوعیا سیستم تطبیقی عصبی , ازی
Authors
اکبر ارمغانی
دانشجوی کارشناسی ارشد مهندسی عمران دانشگاه صنعتی جندی شاپور
بابک لشکرآرا
استادیار دانشگاه صنعتی جندی شاپور
علی محمد آخوندعلی
استاد دانشگاه شهید چمران اهواز
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 :