سال انتشار: ۱۳۹۰

محل انتشار: اولین کنفرانس بین المللی و سومین کنفرانس ملی سد و نیروگاههای برق آبی

تعداد صفحات: ۹

نویسنده(ها):

کامران محمدی – دانشجو دکتری سازههای آبی، دانشگاه شهید چمران اهواز، اهواز
سمیرا باقری – دانشجو کارشناسی ارشد سازههای آبی، دانشگاه علوم کشاورزی و منابع طبیعی
سعید شیری آرانی – دانشجوی کارشناسی ارشد سازه های آبی
حبیب موسوی جهرمی – دانشیار دانشگاه شهید چمران اهواز

چکیده:

یکی از سازههای مستهل ککننده انرژی حوضچه آرامش است که در آن از پرش هیدرولیکی به عنوان عامل کاهنده انرژی استفاده میشود، بنابراین تعیین عمق ثانویه پرش به منظور طراحی هیدرولیکی صحیح حوضچه از اهمیت ب هسزائی برخوردار است. از انواع این نوع حوضچهها، میتوان حوضچه آرامش با شیب معکوس و پله مثبت و منفی را نام برد. فرمولهای ارائه شده برای پرش در این نوع حوضچهها نشان میدهد که فاکتورهای موثر بر این پدیده که پارامترهای بی بعد را تشکیل میدهند z و S ، Q ، d1 هستند. در این تحقیق روش جدیدی با استفاده از شبکه عصبی مصنوعیANN) برای تعیین عمق ثانویه بر اساس متغیرهای مذکور ارائه شده است که با دقت بالا به شکل قابل ملاحظهای از زمان انجام محاسبات میکاهد. شبکه مورد استفاده برای تخمین این پارامترهای هیدرولیکی از نوع پرسپترون چند لایهMPL) میباشد که از الگوریتم پس انتشار خطا برای یادگیری کمک میگیرد. بدین منظور شبکههای مختلف با ساختارها و خصوصیات گوناگون مورد آزمایش قرارگرفت و نهایتا شبکهای که دارای بهترین عملکرد بود، انتخاب شد. پس از آموزش شبکه توسط دادههای آزمایشگاهی، مشخص شد که مدل شبکه عصبی به شکل مناسبی دادههای آزمایشگاهی را تقریب میزند. نتایج بدست آمده از آزمون شبکه عصبی در این مقاله حاکی از آن است که شبکه عصبی مصنوعی به خوبی قادر به تعیین عمق ثانویه پرش هیدرولیکی در حوضچههای آرامش با شیب معکوس و پله مثبت و منفی است و جایگزین مناسبی برای فرمولهای تئوریک خواهد بود.