بررسی اثر هوادهی جت بر میزان آبشستگی با استفاده از ANN و ANFIS

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