محاسبه پرش هیدرولیکی در بستر زبر فلوم با ورودی های با و بدون بعد

از آنجا که ترکیب توام پرش و المان های زبری در حوضچه های آرامش تشخیص خصوصیات جریان را بوسیله روش های تحلیلی دچار مشکل می کند می توان از شبکه های عصبی به عنوان ابزاری کارآمد در پیش بینی خصوصیات جریان استفاده نمود. در این تحقیق با استفاده از شبکه های عصبی از نوع پرسپترون چند لایه با الگوریتم آموزشی پیش خور، خصوصیات جریان از جمله طول پرش در بستر زبر مورد بررسی قرار گرفت و بهترین ساختارها معین شد. برای رسیدن به اهداف این تحقیق از تعداد 100 ‏داده آزمایشگاهی زبر با مشخصات فلوم های مختلف و نرم افزار Qnet استفاده شده است برای هر بستر به ازاء ، ورودی های با بعد و بدون بعد به تفکیک 80 ‏آرایش انجام شده که در مجموع 320 ‏آرایش برای همه مشخصات پرش در بستر زبر انجام شد و از بین آرایش ها بهترین شبکه، 1 ‏تا 3 ‏لایه پنهان مشخص گردید. و از بین آرایش های بهتر با شبکه و لایه های متفاوت بهترین ها انتخاب شد و در نهایت نتایج شبکه عصبی با مدل های تجربی و تئوری مورد مقایسه قرار گرفت. بدین ترتیب به عنوان مثال بهترین ساختار برای تخمین طول پرش در بستر زبر آرایش های ( 1 ‏- 7 ‏- 7 ‏- 7 ‏- 5 ‏)و تابع تبدیل گوسین باR= 0.99وRMSE=0.009، می باشد. از بین 3 ‏پارامتر ورودی فرود، زبری نسبی ، رینولدز ، دبی و عمق اولیه؛ پارا مترهای ورودی دبی ،فرود، رینولدز ،عمق اولیه و زبری نسبی بترتیب مهمترین پارامتر در بررسی پرش می باشند

Keywords:

پرش هیدرولیکی , شبکه عصبی , بستر زبر , مدلی های تجربی