تخمین آبشستگی پایین دست سازه سیفون معکوس بالارود با استفاده از روش های فرا ابتکاری
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 569
This Paper With 15 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:
JR_JISE-42-1_010
تاریخ نمایه سازی: 12 تیر 1398
Abstract:
فرسایش عمومی و پایین افتادن بستر رودخانه بالارود منجر به آشکار شدن سازه ی مدفون سیفون معکوس بالارود شده است. اختلاف بهوجود آمده در بالادست و پایین دست آن باعث تشکیل یک حوضچهی استغراق در پایاب آن شده است. جریان عبوری از روی لبهی پهن تاج سیفون معکوس منجر شده تا این سازه مانند یک شیبشکن عمل نماید. در این تحقیق نتایج یک مطالعه مشابه درخصوص اثر دانهبندی مصالح بستر حوضچه استغراق، عمق پایاب، پتانسیل کل و همچنین اثر عرض جت جریان ریزشی از روی تاج بدنه یک سیفون معکوس بر الگوی آبشستگی پاییندست آن مورد بررسی قرار گرفته است.برای این منظور با استفاده از تحلیلابعادی و رگرسیون غیرخطی روابطی بدون بعد برای تخمین حداکثر عمق و مکان حفره آبشستگی و همچنین حداکثر ارتفاع و موقعیت مکانی تپه رسوبی در پایین دست این نوع سازه ها ارائه شده است. در بخش دوم تحقیق با استفاده ازسیستم داده کاوی برنامهسازی ژنتیک و مدل شبکهعصبی مصنوعی نسبت به تدقیق روابط اقدام گردید و در بخش سوم با استفاده از تحلیل حساسیت، تاثیر پارامترهای موثر بر ابعاد آبشستگی مورد بررسی قرار گرفت. تحلیل نتایج نشان داد رگرسیون غیرخطی به روش گامبهگام پیشرو در مقایسه با مدل ارائه شده توسط برنامهسازی ژنتیک و مدل شبکهعصبی در تخمین پارامتر نسبی حداکثر عمق آبشستگی بهترتیب از ضریب همبستگی 962/0، 971/0 و 991/0برخوردار است. از طرفی شیب خط برازش شده از بین مقادیر نتایج مشاهداتی و محاسباتی هر سه مدل برای پارامترهای بدون بعد s/z، XS/z، hd/z، XD/zحاکی از برتری پیشبینی انجام شده توسط شبکه عصبی مصنوعی میباشد.
Keywords:
Authors
معصومه فتاحی
دانش آموخته کارشناسی ارشد رشته مهندسی عمران، دانشگاه صنعتی جندی شاپور دزفول
بابک لشکرآرا
استادیار گروه مهندسی عمران دانشگاه صنعتی جندی شاپور
لیلا نجفی
مربی دانشکده مهندسی عمران دانشگاه صنعتی جندی شاپور دزفول.
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 :