بکارگیری هوش مصنوعی در برآورد میزان آبشستگی در پایاب سرریزهای جام

پیش بینی دقیق ابعاد حفره آبشستگی در پایین دست سازه های هیدرولیکی از جمله سرریزهای جامی شکل، بدلیل پیچیدگی های ناشی از بررسی همه جانبه و همزمان جریان حاوی آب و رسوب و اعمال کلیه متغیرهای موثر در پدیده آبشستگی به سادگی میسر نمی باشد. ابعاد حفره آبشستگی اغلب با استفاده از معادلات تجربی تعیین می گردد که این روابط در محدوده خاصی از داده ها و شرایط آزمایش پاسخگو می باشد. 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 برای مجموعه ای از مشاهدات آزمایشگاهی محققین قبلی طراحی گردیده است. در این تحقیق از شبکه عصبی مصنوعی و سیستم تطبیقی عصبی فازی بهره گیری شده و نتایج آن با معادله حاصل از روش رگرسیون غیر خطی بین داده های مشابه و همچنین فرمول های تجربی پیش بینی حداکثر عمق آبشستگی مقایسه گردیده است. نتایج این تحقیق حاکی از دقت و برتری قابل ملاحظه سیستم تطبیقی عصبی فازی با حداکثر خطای 5/2 درصد نسبت به نتایج حاصل از مدل شبکه عصبی و معادله رگرسیون غیر خطی و فرمول تجربی با حداکثر خطا به ترتیب 10/38، 12/42 و 14/05 درصد می باشد.

Keywords:

آبشستگی , شبکه عصبی , سیستم فازی , جام , سرریز