تخمین عمق آبشتگی موضعی در اطراف پایه های واقع در مجرای اصلی آبراهه ها به کمک شبکه عصبی مصنوعی
نویسندگان
چکیده
تحقیقات آزمایشگاهی و صحرایی در زمینه آبشستگی اطراف پایه های مستقر در مجاری اصلیرودخانه ها در پنجاه سال گذشته منجر به ارائه روابط متعدد برای بر آورد حداکثر عمق حفره آبشستگی شده است . هر کدام از روابط یاد شده اثر پارامتر های محدودی را مورد بررسی قرار می دهد به همین دلیل بر آوردهای قابل اعتمادی ارائه نمی دهند. در این تحقیق با بهره گیری از معتبر ترین داده های جمع آوری شده در چند دهه گذشته امکان استفاده از شبکه عصبی مصنوعی برای تخمین میازن عمق آبشستگی مورد بررسی قرار گرفت برای این منظور سیصد سری داده به کار گرفته شد داده ها به دو بخش تقسیم شده ا ند بخشی برای آموزش شبکه ها و بخش دیگری برای ارزیابی و مقایسه نتایج محاسبه شده با مشاهده شده به کار رفت نتایج این تحقیق نشان داد که برآورد های حاصل از شبکه تطابق بسیار مطلوبی با اندازه گیری ها دارد و از نتایج رگرسیون چند متغیره خطی هم بهتر بوده است همچنین آنالیز حساسیت بر روی پارامتر های موثر بر پدیده نشان داد که ا نحراف معیار هندسی ذرات بستر بیشترین تاثیر را بر نتایج داشته است و عوامل تاثیر گذار دیگر از قبیل سرعت جریان قطر متوسط ذرات قطر پایه و عمق جریان در مراتب بعدی قرار میگیرند .
منابع مشابه
کاربرد شبکه عصبی مصنوعی در تخمین عمق آبشستگی اطراف پایه پل در بستر با رسوبات چسبنده
بیشتر آسیب پلها به دلیل آبشستگی اطراف پیهای آن در طول سیلاب هستند. بنابراین برای حداقلسازی احتمال خرابی، یک مدل بهبود یافته برای تخمین عمق آبشستگی اطراف آنها لازم است. به دلیل اینکه آبشستگی در پایههای پل یک تابع پیچیده از مشخصات مصالح کف، ویژگیهای سیال، مشخصات جریان و هندسهی پایه است، معادلات تجربی توانایی تخمین دقیق عمق آبشستگی را ندارند. در این تحقیق، روشی سودمند برای تخمین عمق آبشستگی...
متن کاملتخمین مقاومت نهایی تیرورق های تحت اثر بارهای موضعی به کمک شبکه های عصبی مصنوعی (یادداشت فنی)
بارهای موضعی یکی از چندین نوع بارگذاری بوده که می تواند باعث بروز ناپایداری و گسیختگی تیرورقها شود. عوامل مهم و مؤثر در ناپایداری از قبیل کمانش جان وبال و ایجاد لهیدگی در محل اتصال بال به جان باعث پیچیده شدن رفتار تیرورق ها می شود. روابط پیشنهاد شده کنونی بر اساس نتایج حاصل از آزمایش و به صورت نیمه تجربی بوده و خطای حداکثری در حدود 20 درصد داشته است. تحلیل به روش اجزای محدود نیز به همان دلایل ...
متن کاملمقایسه روش های شبکه عصبی بیزین و شبکه عصبی مصنوعی در تخمین رسوبات معلق رودخانه ها (مطالعه موردی: سیمینه رود)
زمینه و هدف: شبیه سازی و ارزیابی آورد رسوب رودخانه از جمله مسایل مهم در مدیریت منابع آب می باشد. اندازه گیری مقدار رسوب به روش های متداول عموماً مستلزم صرف وقت و هزینه زیادی بوده و گاهی از دقت کافی نیز برخوردار نمی باشد. روش بررسی: در این پژوهش تخمین رسوب رودخانه سیمینه رود واقع در استان آذربایجان غربی، با استفاده از شبکه عصبی بیـزین مورد بررسی قرار گرفته و نتایج آن با روش های مرسـوم هوشمند هم...
متن کاملتخمین عمق آبشستگی موضعی اطراف گروه پایه های استوانه ای و مربعی پل با استفاده از شبکه های عصبی مصنوعی و عصبی فازی
پل ها از جمله مهم ترین سازههای رودخانه ای هستند. یکی از موثرترین عوامل تخریب پل ها، آبشستگی موضعی اطراف پایه پل می باشد. همه ساله پل های زیادی در سراسر جهان به دلیل در نظر نگرفتن نقش عوامل هیدرولیکی تخریب می شوند. بنابراین شناخت این پدیده، پیش بینی دقیق میزان آبشستگی و لحاظ کردن آن در طراحی پل ها بسیار ضروری است. آبشستگی در تک پایه ها توسط محققان زیادی مورد مطالعه قرار گرفته در حالی که در زم...
تخمین عمق آبشستگی در تکیه گاه پل به کمک شبکه عصبی مصنوعی و مدل hec-ras
اجرای پل ها بر روی آبراهه ها مستلزم استفاده از ستون هایی بر روی بستر رودخانه است. این بخش از پل عموماً در معرض پدیده آبشستگی موضعی قرار می گیرد. تعیین میزان عمق این نوع آبشستگی از مسائل حائز اهمیت در مهندسی هیدرولیک است. مکانیسم جریان اطراف پایه پل ها پیچیده بوده و ایجاد یک مدل تجربی کلی برای تعیین میزان دقیق آبشستگی هزینه بر است. از این رو بکارگیری روش های جدید مبتنی بر علم انفورماتیک به منظور ...
15 صفحه اولمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
مجله علوم کشاورزی ایرانناشر: پردیس کشاورزی و منابع طبیعی دانشگاه تهران
ISSN
دوره 33
شماره 4 2002
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023