پیش بینی مولفه های طولی و قائم سرعت حول مانع جانبی با روش هوش مصنوعی

در این پژوهش ، الگوی سه بعدی جریان آشفته حول یک مانع جانبی توسط رویکرد هوش مصنوعی مدلسازی شده است . بدین منظور از چهار مدل هوش مصنوعی شامل FFN, CFNN, RBF, MLP برای مدلسازی استفاده شده و کانتورهای مولفه های طولی (u) و قائم (w) سرعت حاصل از رویکرد هوش مصنوعی با دادههای آزمایشگاهی حاصل از اندازه گیری با ابزارADV مقایسه شده است . در ادامه ضمن مدلسازی در چهار روش ذکر شده و مدل آزمایشگاهی ، مدلهای مورداستفاده براساس شاخص های ارزیابی پرکاربرد شامل RMSE, R۲, MAE,VAF, PI صحت سنجی شده ست . درنتیجه بررسی آماری دادههای ورودی نشان از عدم گسستگی دادهها دارد که باعث توسعه ی مدلهایی با دقت بالا می شود. از میان چهار مدل مبتنی بر هوشمصنوعی مدل MLP بهترین رویکرد را در شبیه سازی جریان داشته و همچنین در پیش بینی دادههای مورد استفاده نیز کمترین میزان خطا را شامل می شود ودر میان سایر روشها بطور معناداری از دقت بسیار بالائی برخوردار می باشد. تشدید مولفه طولی سرعت در دماغه آبشکن و همچنین در مجرای اصلی و نیز نواحی با مقدار بثبت و منفی شدید مولفه قائم سرعت به خوبی توسط مدل MLP پیش بینی شده است .

کلیدواژه ها:

مانع جانبی ، جریان آشفته ، هوش مصنوعی ، تشدید سرعت ، شبکه ی عصبی مصنوعی .