بررسی پدیده آبشستگی در زیر لوله های انتقال در دریا به روش شبکه های عصبی مصنوعی برای حالت موج
محل انتشار: چهارمین همایش بین المللی صنایع فراساحل
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 391
فایل این مقاله در 10 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:
OICIRAN04_003
تاریخ نمایه سازی: 26 شهریور 1395
چکیده مقاله:
عمق گودال آبشستگی از عوامل مهم و تاثیر گذار در طراحی خط لوله های دریایی می باشد.در چند دهه اخیر مطالعات آزمایشگاهی زیادی جهت شناخت الگو و تعیین عمق آبشستگی برای حالتی که لوله در معرض موج می باشد انجام شده است و فرمول های مختلفی ارائه گشته که اکثر این فرمولها برحسب دو پارامتر بی بعد عدد کولگان کارپنتر KC1وو نسبت بی بعد فاصله اولیه لوله از بستربه قطر لوله e/d ارائه شده اند .در این مقاله ازروش شبکه های عصبی مصنوعی به عنوان تقریب خطی برای پیش بینی عمق آبشستگی استفاده شده است. ورودی های این مدل پارامتر هایی می باشند که در قالب اندر کنش سه گانه موج-لوله –بستر (رسوب) و پارامتر هایی که نشان دهنده مشخصات لایه مرزی بستر در حالت در معرض موج و موقعیت نسبی لوله از بستربوده، می باشند که می تواند در عمق گودال ابشستگی موثر باشد .در این مقاله نشان داده می شود که علاوه بر KCوe/D دیگر پارامتر های مزبور نیز در تعیین عمق والگوی آبشستگی مهم وموثر می باشندو مدلی که توسط تمامی این هشت پارامتر ورودی ساخته شده است،نسبت به فرمول های تجربی و سایر مدل ها دارای خطا کمتر و نتایج بهتری می باشد و عدد کولگان کارپنتر مهمترین و تاثیر گذارترین پارامتر در آبشستگی می باشد
کلیدواژه ها:
نویسندگان
سامر فضلی گرمستانی
دانشجوی کارشناسی ارشد سازه های دریایی دانشگاه علم و صنعت ایران تهران نارمک
ابراهیم جباری
عضو هیات علمی دانشگاه علم و صنعت ایران تهران نارمک
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 :