ارزیابی عمق استغراق بحرانی در آبگیرهای افقیِ منشعب از کانال

سابقه و هدف استفاده از آبگیرهای افقی یکی از روش‌های رایج در برداشت آب از مخازن و رودخانه‌ها می‌باشد. وقوع جریان گردابی در دهانه‌های آبگیر یکی از مشکلات عمده این نوع سازه‌ها است. گرداب تشکیل شده در دهانه آبگیر در مرحله اول منجر به کاهش راندمان آبگیری شده و در مرحله دوم بسته به نوع سازه، هوای ورودی به دهانه آبگیر می‌تواند منجر به بروز خسارت به آن شود. بنابراین تخمین عمق استغراق بحرانی بالای آبگیر به‌منظور جلوگیری از تشکیل گرداب و ورود هوا به آن از ضروریت‌های اصلی تحقیق بشمار می‌رود. مطالعه تحقیقات پیشین نشان داد که در اکثر روابط پیشنهادی توسط محققین اثر فاصله از کف کانال C در معادلات لحاظ نشده و معادلات تنها در دو حالت و به صورت دو معادله مجزا ارائه شده‌اند. مواد و روش ها در این تحقیق نتایج یک مطالعه آزمایشگاهی جهت بررسی اثر پارامترهای مختلف جریان و فاصله آبگیر از کف کانال بر عمق استغراق بحرانی برای آبگیرهای افقی در شرایط جریان آزاد ارائه شده است. در این راستا نخست معادله حاکم بر فضای تحقیق با استفاده از تئوری باکینگهام و رگرسیون غیر خطی تعیین گردید و در مرحله بعد جهت تدقیق نتایج از مدل‌های شبکه عصبی و برنامه‌سازی ژنتیک استفاده شد. بدین منظور در ابتدا با استفاده از تئوری آنالیز ابعادی معادله حاکم بر فضای تحقیق به صورت مشخص شد. سپس با استفاده از رگرسیون غیرخطی و نرم‌افزار تحلیل‌گر آماری SPSS معادله حاکم بر فضای تحقیق تعیین شد. تحلیل نتایج آماری نشان داد که معادله پیشنهادی جهت تخمین عمق نسبی استغراق بحرانیSc/Di در مقایسه با نتایج آزمایشگاهی دارای ضریب همبستگی 9363/0 و دارای مجذور میانگین مربعات خطای 3165/0 می‌باشد. به منظور اعتبارسنجی این معادله از نتایج حاصل از تحقیقات احمد و میتال (2008) و ایوب لو و همکاران (2011) استفاده گردید. یافته ها مقایسه نتایج نشان داد، معادله حاصل از مطالعه احمد و میتال مقدار عمق استغراق بحرانی را 8 درصد بیشتر از نتایج آزمایشگاهی، معادله پیشنهادی ایوب لو و همکاران 5/6 درصد کمتر از نتایج آزمایشگاهی و در نهایت معادله پیشنهادی تحقیق حاضر، این مقدار را 5/0 درصد بیشتر از نتایج آزمایشگاهی تخمین می‌زند. از طرفی مدل شبکه عصبی مصنوعی مقدار Sc/Di را 1/1 درصد کمتر از نتایج آزمایشگاهی و مدل برنامه‌سازی ژنتیک این مقدار را ۶۳/1 درصد بیشتر از نتایج آزمایشگاهی تخمین می‌زند. نتیجه گیری مقایسه نتایج حاصل از مدل‌های شبکه عصبی و برنامه‌سازی ژنتیک نشان داد که هر دو مدل دارای توابع خطای مناسب‌تری نسبت به معادله پیشنهادی هستند؛ این در حالی‌است که مقایسه توابع خطای محاسبه شده این دو روش هوشمند حاکی از برتری نسبی عمل‌کرد شبکه عصبی مصنوعی می‌باشد. از طرفی به دلیل فرم ساده و کارآمد معادله پیشنهادی، استفاده از این معادله جهت تخمین عمق نسبی استغراق بحرانی در دهانه‌های آبگیر افقی در شرایط جریان آزاد توصیه می‌گردد.