استفاده از محاسبات نرم در شبیه سازی جریان های رسوبی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 253

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IHUMC-10-1_005

تاریخ نمایه سازی: 24 اسفند 1400

چکیده مقاله:

جریان­های غلیظ از مهم ترین عوامل در کاهش عمر مفید سازه­های آبی بخصوص سدهای مخزنی می­باشند، بر این ­اساس محققین همواره به دنبال راهکارهایی جهت حذف این جریان­ها و افزایش عمرمفید سدها بوده­اند. یکی از کاربردی­ترین روش­های شناخته شده، ساخت مانع در مسیر این جریان­ها می­باشد. در این تحقیق آزمایشگاهی_عددی اثر مانع نفوذ­پذیر ذوزنقه­ای شکل (پر شده با دانه­های شن با قطر نیم سانتی­متر) بر هد جریان غلیظ و با در نظر گرفتن متغیرهایی همچون دبی، غلظت، شیب و ارتفاع مانع مورد ارزیابی قرار گرفته شد. بر اساس مقادیر درصد کاهش هد جریان غلیظ به دست آمده از آزمایش­ها، اقدام به مدل­سازی هد جریان غلیظ نمکی با روش نرم، سامانه استنتاج عصبی_ فازی تطبیقی (انفیس) شده و سپس با مقایسه نتایج آن با روش کلاسیک رگرسیون چند متغیره، کارکرد این دو روش مورد مقایسه قرار گرفته است. نتایج نشان داد که میزان خطا انفیس برای داده­های آموزشی، اعتبارسنجی و تست به ترتیب ۰.۰۷، ۰.۰۳۳ و ۰.۰۳ و برای روش رگسیون چند متغیره به ترتیب ۰.۱۲ ،۰.۱۹۹ و ۰.۱۰۸۴ بوده است همچنین مقادیر رگسیون آموزش و تست برای سامانه انفیس ۰.۹۹۵۴ و ۰.۹۶۵۲ بوده و برای روش کلاسیک رگرسیون چند متغیره۰.۹۳۱۰۸ و ۰.۹۰۳۹۶ بوده است که نشان از برتری کارایی سامانه انفیس در مدل­سازی داده­های هد دارد.

کلیدواژه ها:

جریان غلیظ ، رسوب گذاری ، درصد کاهش هد ، سامانه استنتاج عصبی_ فازی تطبیقی ، رگرسیون چند متغیره

نویسندگان

مهدی درخشان نیا

گروه مهندسی عمران، دانشکده مهندسی، دانشگاه آزاد اسلامی ، نجف آباد، ایران

سعید اسلامیان

گروه مهندسی عمران، دانشکده مهندسی، دانشگاه آزاد اسلامی ، نجف آباد، ایران

مهدی قمشی

گروه مهندسی علوم آب، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران

سید محمود کاشفیپور

گروه مهندسی علوم آب، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Lowe, D. R. “Sediment Gravity Flows; II, Depositional Models with ...
  • Baas, J. H., McCaffrey, W. D., Haughton, P. D., and ...
  • Oehy, C. D. and Schleiss, A. J. “Control of Turbidity ...
  • Jenzer Althaus, J., De Cesare, G., Boillat, J., and Schleiss, ...
  • Nasrollahpour, R. and Ghomeshi, M. “Effect of Roughness Geometry on ...
  • Oshaghi, M. R., Afshin, H., and Firoozabadi, B. “Experimental Investigation ...
  • Ghorbani, Z., Khozeymehnezhad, H., and Ramezani, Y. “Laboratory Investigation of ...
  • Baghalian, S. and Ghodsian, M. “Experimental Study ۰n the Effects ...
  • De Cesare, G., Oehy, C. D., and Schleiss, A. J. ...
  • Kubo, Y. “Experimental and Numerical Study of Topographic Effects on ...
  • Oehy, C. “Effects of Obstacles and Jets on Reservoir Sedimentation ...
  • Zhang, Q. and Stanley, S.J. “Real-time Water Treatment Process Control ...
  • Beaudeau, P., Leboulanger, T., Lacroix, M., Hanneton, S., and Wang, ...
  • Aligoodarz, M., Mehrpanahi, A., and Karrabi, H. “One-dimensional Modeling of ...
  • Goodarzi, D., Lari, K. S., Khavasi, E., and Abolfathi, S. ...
  • Hu, P. and Li, Y. “Numerical Modeling of the Propagation ...
  • Asghari Pari, S. A., Kashefipour, S., Ghomeshi, M. and Bajestan, ...
  • Jang, J-SR. “Input Selection for ANFIS Learning”, Proceedings of the ...
  • Takagi, T. and Sugeno, M. “Fuzzy Identification of Systems and ...
  • Jang, J-SR. “ANFIS: Adaptive-network-based Fuzzy Inference System”, IEEE Trans. Syst. ...
  • Bishop, C.M. “Pattern Recognition and Machine Learning”, Springer, ۲۰۰۶ ...
  • Kochenderfer, M.J. and Wheeler, T.A.. “Algorithms for Optimization”, Mit Press, ...
  • نمایش کامل مراجع