نام پژوهشگر: رویا شاهسونپور
رویا شاهسونپور محمد گیوه چی
تعیین سرعت و تنش برشی در جریان کانال باز در بسیاری از مسائل مهندسی هیدرولیک مانند فرسایش و انتقال رسوب، اهمیت ویژه ای دارد. در تحلیل این گونه مسائل با دانستن پروفیل سرعت و تنش برشی وارده بر کف و جداره کانال مستطیلی روباز، می توان تخمین دقیق تری از آن ها به دست آورد. محققین روش های مختلفی را برای برآورد پروفیل سرعت و توزیع تنش در مقاطع مستطیلی ارائه کرده اند. اما اغلب آن ها به دلایلی از جمله مشکلاتی که در تعیین جریان های ثانویه، توزیع واقعی زبری و دیگر پارامترهای موثر بر جریان وجود دارد، از کارائی مطلوب در مدل سازی سرعت موضعی و پیش بینی تنش برشی برخوردار نبوده اند، قابل استفاده نمی باشند. در این مقاله رهیافتی کارآمد به منظور مدلسازی تنش برشی متوسط دیواره وارده بر دیواره های کانال در مجاری روباز، با استفاده از از شبکه های عصبی مصنوعی و سیستم تطبیقی استنتاج فازی- عصبی (anfis) توسعه یافته است. برای تعیین پروفیل های سرعت وتوزیع تنش برشی در مجاری مستطیلی، داده های مورد استفاده برای آموزش و تست شبکه از کارهای گیوه چی در آزمایشگاه دانشگاه فردوسی، جمع آوری گردید. در این تحقیق با در نظر گرفتن هندسه مقطع، زبری و نحوه توزیع آن و جریان-های ثانویه و با استخراج دانش از اطلاعات عددی، قابلیت مدل های توسعه یافته، برای شبیه سازی سرعت موضعی و توزیع تنش برشی در کانال های مستطیلی روباز، بررسی و سپس این مدل ها برای طراحی سرعت متوسط عمقی، اعمال می شود. در این مطالعه با استفاده ازشبکه های عصبی مصنوعی، شبکه های پرسپترون چندلایه و با بهره جستن از سیستم تطبیقی استنتاج فازی - عصبی (anfis)، روش افراز شبکه ای و روش خوشه بندی فازی کاهشی مورد استفاده قرار گرفت. مقایسه نتایج نشان داد که سیستم های خبره، قابلیت کاربرد در شبیه سازی سرعت موضعی و تعیین توزیع تنش برشی داشته و رهیافت جدید ارائه شده توانسته است پروفیل های سرعت وتوزیع تنش برشی را با دقت زیادی منطبق با مقادیر میدانی برآورد نماید.