برآورد حداکثر عمق آبشستگی تحت اثر جتهای دیواره ای با استفاده از شبکه های عصبی مصنوعی
محل انتشار: چهارمین کنگره ملی مهندسی عمران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,466
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCE04_198
تاریخ نمایه سازی: 19 مهر 1386
چکیده مقاله:
یکی از مهمترین موضوعات تحقیقاتی که در علم هیدرولیک مطرح است آبشستگی ناشی از جریان در اطراف سازه های هیدرولیکی است . جتهای دیواره ای نوعی از جتها می باشند که با عبور یک جریان با سرعت زیاد از باز شدگی دریچه و تبادل مومنتم با سیال اطراف خود گ سترش می یابند . عبور این نوع جریان باعث ایجاد آبشستگی در منطقه بعد از دریچه خواهد شد . ایجاد حفره آبشستگی امکان ناپایداری سازه اطراف حفره را تشدید می کند . تا به امروز تحقیقات زیادی بر روی اثر پارامترهای مختلف بر ابعاد حفره آبشستگی ایجاد شده توسط جتهای دی واره ای انجام شده است . هر کدام از این تحقیقات رابطه ای با یک محدوده کاربرد خاص برای تعیین حداکثر عمق آبشستگی تحت اثر جتهای دیواره ای ارایه کرده اند که هرکدام از این روابط نیز نسبت به داده های آزمایشگاهی دارای خطا می باشد . با توجه به این موضوع با جمع آوری چند سری داده آزمایشگاهی از منابع مختلف، اقدام به آموزش شبکه عصبی مصنوعی برای کل محدوده داده بدست آمده، شده است . شبکة عصبی استفاده شده در این تحقیق از نوع شبکة یادگیری با نظارت است . مقایسه نتایج حاصل از شبکه عصبی و نتایج بدست آمده از روابط موجود با نتایج آز مایشگاهی، حاکی از توانایی و سرعت بالای شبکه عصبی در برآورد حداکثر عمق آبشستگی تحت اثر جتهای دیواره ای می باشد .
کلیدواژه ها:
نویسندگان
محمدنوید مقیم
دانشجوی دکتری سازه های هیدرولیکی دانشگاه تربیت مدرس
مجتبی گلدی درسنگی
دانشجوی دکتری سازه های هیدرولیکی دانشگاه تربیت مدرس
مسعود قدسیان
استاد گروه هیدرولیک دانشگاه تربیت مدرس
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 :