بررسی عمق آبشستگی خطوط لوله عبوری از رودخانه با استفاده از ANN

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 33

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IHC23_086

تاریخ نمایه سازی: 2 مرداد 1404

چکیده مقاله:

آبشستگی (Scour) پدیده ای است که در اثر جریان آب، مواد بستر رودخانه یا کانال از اطراف سازه هایی مانند خطوط لوله عبوری برداشته می شوند. این فرسایش موضعی می تواند به تخریب بستر و کاهش پایداری خطوط لوله منجر شود. خطرات ناشی از آبشستگی شامل ناپایداری و شکست سازه ها، آسیب به زیرساخت ها، نشتی یا پارگی لوله ها و در موارد بحرانی حتی منجر به فجایع زیست محیطی و اقتصادی می شود. مدیریت صحیح و پیش بینی دقیق عمق آبشستگی برای جلوگیری از این مخاطرات بسیار حائز اهمیت است. در این پژوهش، کارایی روش شبکه عصبی مصنوعی (ANN) برای پیش بینی عمق آبشستگی مورد ارزیابی قرار گرفته است. به منظور اعتبارسنجی این روش از ۳۶ مجموعه داده آزمایشگاهی استفاده شده است. پارامترهای هندسی و هیدرولیکی مورد بررسی شامل (𝑑𝑠𝑚𝑎𝑥, 𝐷.𝑒, 𝐷.𝑦, 𝐷.Fr.𝐿, 𝐷) می باشد. نتایج حاصل از روش شبکه عصبی مصنوعی (Artificial Neural Network – ANN) در مرحله آموزش و آزمون ترکیب برتر (ترکیب اول) نشان داد که شاخص های ارزیابی DC، RMSE و ۲R به ترتیب برابر است با ۰.۹۹۳۲، ۰.۰۲۷۲، ۰.۹۹۲۵، ۰.۸۹۵۹، ۰.۱۱۸۰، ۰.۸۹۲۵ که این نتایج حاکی از آن است که ترکیب برتر (ترکیب اول) خروجی بهینه تری نسبت به سایر ترکیبات ارائه داده و دقت بالای روش ANN در پیش بینی عمق آبشستگی را تایید می کند. علاوه بر این، تحلیل حساسیت نشان داد که پارامتر (𝑒, 𝐷) بیشترین تاثیر را در تعیین عمق آبشستگی در مقایسه با سایر پارامترها دارد.

نویسندگان

آرش فرجی

دانشجوی کارشناسی ارشد، مهندسی عمران-آب و سازه های هیدرولیکی-دانشگاه مراغه

توحید امیدپور علویان

دانشجو دکترای، مهندسی عمران -آب و سازه های هیدرولیکی-دانشگاه مراغه

مهدی ماجدی اصل

دانشیار دانشگاه مراغه - گروه مهندسی عمران، دانشگاه مراغه، مراغه، ایران