spow 44197 اشتراک گذاری ارسال شده در 11 دی، ۱۳۹۲ پيش‌بينی مشخصات هيدروليكی كانالهای پايدار شنی با شبكه عصبی مصنوعی چكيده در چند دهه اخير روابط و معيارهاي مختلفي جهت ايجاد رابطه‌اي مناسب در راستاي پيش‌بيني عرض و عمق رودخانه‌هاي با بسترهاي شني ارائه شده‌اند. در اين مقاله ضمن معرفي روشهاي سنتي فوق، روشي مبني بر طراحي عرض و عمق رودخانه‌هاي شني با استفاده از اطلاعات 280 رودخانه در نقاط مختلف جهان، با استفاده از روش بهينه‌شده شبكه عصبي توسط الگوريتم ژنتيك ارائه شده و در نهايت با سه روش مرسوم طراحي كانالهاي پايدار مقايسه مي‌شود. روش شبكه عصبي علاوه بر پارامترهاي دبي جريان، قطر ذرات رسوب، از پارامتر شيلدز استفاده مي‌كند در پايان با يك آناليز حساسيت تاثيرات اين پارامترها بر روي مدل نشان داده شده است. مقدمه طراحي كانالهاي پايدار بيش از آنكه يك مهم باشد بصورت يك هنر بيش از يكصد سال در مراجع و منابع هيدروليك مورد توجه قرار گرفته است. اگرچه نياز روزافزون به استفاده بهينه از منابع آب و توزيع مناسب آن بناگزير اين هنر را به سمت و سوي علوم رياضي و مهندسي كشانده است. چالش اصلي در زمينه پيش‌بيني مشخصات هيدروليكي مقطع پايدار مي‌باشد كه در آن ميزان فرسايش و انتقال رسوب در يك تعادل ديناميكي مي‌باشند. در اين راستا سه مكتب كلاسيك در طي يكصد سال گذشته توسط محققين ارائه و توسعه يافته‌اند: الف-مكتب تجربي كه صرفا از مباني آماري براي ارائه معادله‌هاي كانال پايدار استفاده مي‌كند بي‌آنكه توجيه فيزيكي براي آنها داشته باشد. ب-مكتب نيمه‌تجربي كه تلاش در انطباق قوانين مكانيك سيالات با مشخصات مقطع پايدار دارد. ج-مكتب تحليلي كه بر پايه نيروي مالشي و شرايط جريان توربلانس در كانالها توسعه يافته است كه كاربرد آن در كشورهاي در حال‌توسعه به سهولت امكان‌پذير نيست. هدف از اين مقالعه ارائه يك مدل مناسب براي تخمين پيش‌بيني عمق و عرض مقطع پايدار با استفاده از شبكه عصبي مي‌باشد كه پارامترهاي آن توسط يك فرايند بهينه‌ساز نظير الگوريتم ژنتيك بهينه‌ياببي شده و توسعه يافته است. همچنين مدل توسعه‌يافته با برخي روشهاي موجود مورد تجزيه و تحليل قرار خواهد گرفت. متن کامل مقاله را درفایل پیوستی مطالعه نمایید: برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام 1 لینک به دیدگاه
ارسال های توصیه شده