اندازه گیری دقیق دبی جریان، از مهمترین وظایف سرریزهای جانبی در شرایط نرمال بهره برداری و اضطراری است. از این نظر سرریزهای جانبی ساده (که عموماً مستطیلی شکل هستند) دارای محدودیت می باشند. برای طراحی سرریزهای جانبی، تخمین مناسب ضریب آبگذری دارای اهمیت زیادی است. در این تحقیق از مدل شبکه های عصبی مصنوعی (anns)جهت برآورد ضریب آبگذری سرریز جانبی لبه تیز مرکب استفاده شده است. برای این منظور، بهترین ترکیب ورودی مدل fr،w ?/y_1 و b/y_1 انتخاب گردید. شبکه عصبی مصنوعی با قابلیت یادگیری و تخمین، به کمک یک ساختار ریاضی، توانایی نشان دادن فرآیند ها و ترکیبات دلخواه غیر خطی جهت ارتباط بین ورودی ها و خروجی های هر سیستم را دارا می باشد. این شبکه با داده هایی که در آزمایشگاه ثبت شده طی فرآیند یادگیری، آموزش دیده و جهت پیش بینی داده های مجهول مورد استفاده قرار می گیرد. ضریب تعیین (r^2) و میانگین مربعات خطا (mse) برای ارزیابی کارایی مدل توسعه یافته بکار برده شدند. مقایسه مقادیر برآورد شده توسط مدل شبکه عصبی و رابطه رگرسیون غیر خطی ظهیری و همکاران (2013) نشان می دهد که مدل شبکه های عصبی مصنوعی کارایی خوبی در برآورد ضریب آبگذری سرریزهای جانبی مرکب دارد. ضمنا با استفاده از وزن ها و بایاس های خروجی مدل شبکه عصبی مورد استفاده در این تحقیق، یک رابطه ریاضی استخراج گردید که می توان از طریق آن با دقت قابل قبولی ضریب آبگذری سرریزهای جانبی را تخمین زد.

چکیده ندارد.