برآورد حداکثر عمق آبشستگی اطراف آبشکن L- شکل با استفاده از شبکه عصبی مصنوعی و فازی عصبی

احداث سازه های نظیر آبشکن در مقابل جریان، باعث ایجاد جریان آشفته ی چرخشی و گردابی در اطراف آن خواهد شد. این جریان های گردابی به همراه تمرکز شدید سرعتها و آشفتگی در دماغه بالا دست مکانیزم اصلی آبشستگی موضعی به حساب می آیند. از جمله مسائل مهم در طراحی آبشکن ها، پدیده آبشستگی موضعی دماغه آنها می باشد که به علت تنگ شدگی مقطع جریان و وجود گردابه های قوی بوجود می آید و یکی از شاخص‌های مهم در تعیین مشخصات حفره ی آبشستگی، حداکثر عمق آبشستگی می باشد. از اوایل سال 1930 تا کنون محققین مختلف، بررسی های آزمایشگاهی و مشاهدات تجربی گوناگونی را برای تعیین حداکثر عمق آبشستگی و امکان پیش بینی آن با استفاده از معادلات حاصل از بررسی های آزمایشگاهی انجام داده اند که می توان به احمد (1951)، ایزارد و برادلی (1957)، لیو و همکاران (1961)، زاغلول (1983)، مل ویل (1992)، اتما و موسته (2004) اشاره کرد. پیچیدگی الگوی جریان حول آبشکن‌ها و گوناگونی عوامل مؤثر بر آبشستگی، موجب تعدد روابط کاربردی و کاهش دامنه هر یک از آنها به دلیل محدودیت شرایط آزمایشگاهی می شود. امروزه شبکه های عصبی کاربردهای بسیاری در مسایل مختلف مهندسی آب که رابطه و الگوی مشخصی بین عوامل مؤثر بر وقوع یک پدیده وجود ندارد، پیدا کرده است. لذا در این تحقیق سعی شده است با استفاده از شبکه عصبی مصنوعی به برآورد میزان عمق آبشستگی اطراف آبشکن L- شکل پرداخته شود. برای اموزش شبکه عصبی از داده های آزمایشگاهی استفاده شده است. مقایسه نتایج برآورد شبکه عصبی مصنوعی نشان دهنده قدرت بالای سیستم های هوش مصنوعی در یادگیری و تخمین عقم آبشستگی اطراف این نوع آبشکن می باشد.

کلیدواژه ها:

آبشکن L - شکل ، شبکه عصبی مصنوعی ، آبشستگی