شبیه سازی و تخمین بیشینه عمق حفره آبشستگی در پایین دست کالورت ها با بکارگیری روش های داده محور

آبشستگی ناشی از جریان خروجی در پایین دست کالورت یا زیرآبگذر میتواند موجب ایجاد خسارات قابل توجه به سازه هیدرولیکی شده و هزینه های بالایی را از نظر اقتصادی و اجتماعی به جا بگذارد. بنابراین شناخت و آشنایی با این پدیده در وهله نخست و سپس ارایه راهکار در اقدام بعدی به منظور کنترل آبشستگی ضروری است. در این تحقیق به منظور شبیه سازی خصوصیات مربوط به حفره آبشستگی شامل شبیهسازی بیشینه عمق آبشستگی، بیشترین طول آبشستگی از انتهای خروجی کالورت، بیشینه عرض آبشستگی و حجم حفره آبشستگی از روش داده محور شبکه عصبی مصنوعی پرسپترون چندلایه استفاده شده است. برای این منظور از 10 داده ورودی به عنوان متغیرهای مستقل مربوط به تعداد کل56 داده گردآوری شده استفاده شد. نخست داده ها به صورت تصادفی آماده شده و پس از آن 60 درصد اولیه داده ها به عنوان داده های آموزش 15 درصد داده ها به عنوان داده های صحت سنجی و 25 درصد باقیمانده به عنوان دادههای آزمون به منظور شبیهسازی استفاده شد. همچنین به منظور ارزیابی عملکرد حاصل از شبکه عصبی، از سه روش تجربی ارایه شده توسط محققین برای تخمین بیشینه عمق آبشستگی استفاده شد. نتایج حاصل از مدلسازی بیانگر عملکرد قابل قبول شبکه عصبی مصنوعی در تخمین خصوصیات حفره آبشستگی و برتری نسبی آن نسبت به روابط تجربی معادل 27 درصد برتری به بهترین رابطه تجربی میباشد.

Keywords:

آبشستگی , کالورت , روش های داده محور , رودخانه