مدل سازی هوشمند جریان غلیظ نمکی در حضور موانع نفوذپذیر
- سال انتشار: 1401
- محل انتشار: مجله مهندسی منابع آب، دوره: 15، شماره: 53
- کد COI اختصاصی: JR_WEJMI-15-53_005
- زبان مقاله: فارسی
- تعداد مشاهده: 51
نویسندگان
دانشجوی دکتری، گروه مهندسی عمران، واحد نجف آباد، دانشگاه آزاد اسلامی نجف آباد، نجف آباد، ایران.
استاد، گروه سازه های آبی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.
استاد، گروه مهندسی عمران، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران. و گروه مهندسی آب، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان، ایران .
استاد، گروه سازه های آبی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.
چکیده
چکیدهمقدمه : جریان غلیظ یکی از مهمترین عوامل در فرآیند رسوبگذاری سدها میباشد. افزایش رسوب در نزدیک دیواره سد، ظرفیت ذخیره سازی آن را کاهش داده و چالش های قابلت وجهی را برای مهندسین مربوطه ایجاد میکند. بنابراین درک پویایی سیالات غلیظ و الگوهای رسوبی مرتبط جهت مدیریت مخزن سدها بسیار کارآمد است.روش : هدف از این تحقیق ایجاد یک مدل هوشمند با تطابق مناسب با داده های آزمایشگاهی بوده تا بتوان از آن در طرح های آتی با متغیرهای متفاوت نیز استفاده نمود. برایناساس در این تحقیق درصد کاهش هد جریان غلیظ نمکی تحت تاثیر موانع نفوذپذیر ذوزنقهای شکل (سنگدانه ها با قطر ۱ سانتیمتر)، با در نظر گرفتن متغیرهایی همچون دبی، شیب، غلظت و ارتفاع موانع به صورت آزمایشگاهی مورد بررسی قرار گرفت، سپس براساس نتایج حاصله اقدام به مدلسازی هد جریان غلیظ نمکی با روش شبکه عصبی مصنوعی پیشخور و روش کلاسیک رگرسیون چند متغیره شد و کارکرد این دو روش مورد مقایسه قرار گرفت.یافته ها : نتایج نشان داد که روش هوشمند شبکه عصبی مصنوعی پیشخور در مدلسازی درصد کاهش هد جریان غلیظ نمکی نسبت به روش رگسیون چند متغیره برتری قابل توجهی دارد بهگونهای که مقادیر رگسیون آموزش، واسنجی و تست به ترتیب ۹۹/۰، ۰.۹۸ و ۹۸/۰ برای شبکه عصبی و ۹۲/۰، ۰.۹۱ و ۹۱/۰ برای رگسیون چند متغیره بدست آمد.نتیجه گیری : عملکرد شبکه عصبی مصنوعی نسبت به روش رگسیون چند متغیره کارایی بسیار بهتری دارد.کلیدواژه ها
جریان غلیظ, رسوب گذاری, درصد کاهش هد, شبکه عصبی پیش خور, رگرسیون چند متغیرهاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.