[صفحه اصلی ]   [Archive] [ English ]  
:: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 14، شماره 48 - ( 1-1399 ) ::
جلد 14 شماره 48 صفحات 68-78 برگشت به فهرست نسخه ها
پیشبینی نرخ فرسایش رسوبات چسبنده و تحلیل پارامترهای مؤثر بر آن به کمک شبکه عصبی مصنوعی
دکتر مهران خیرخواهان، دکتر خسرو حسینی*، مهندس شهاب نیر
دانشگاه سمنان
چکیده:   (81 مشاهده)
مکانیک انتقال رسوبات چسبنده متفاوت از رسوبات غیرچسبنده است. در تعیین نرخ فرسایش رسوبات غیرچسبنده از پارامترهای فیزیکی، همانند قطر متوسط و چگالی استفاده می‌گردد، در حالی‌که به علت ماهیت رسوبات چسبنده نرخ فرسایش آن‌ها به صورت رابطه‌ای با تنش برشی بستر با ضرایب ثابت مربوط به ویژگی هر نوع رسوب تعریف می‌گردند. در این تحقیق از اطلاعات آزمایشگاهی رسوبات چسبنده مصب رودخانه لویر استفاده شده است که پس از صحت‌سنجی نتایج در نرم افزار Mike، داده‌های آزمایشگاهی توسعه داده شدند تا بتوان با داده‌های بیشتر و شرایط هیدرولیکی متفاوت‌تری، پدیده فرسایش رسوبات را مورد مطالعه قرار داد. در ادامه نظر به تعداد پارامترهای متعدد مؤثر در پدیده فرسایش رسوبات، از شبکه عصبی برای ایجاد ارتباط میان داده‌ها استفاده گردید. پارامترهای استفاده شده در مدل شامل مؤلفه‌های جریان و مشخصه‌های رسوبات و سیال می‌باشند. به علت عملکرد بهتر شبکه عصبی این داده‌ها پس از بی‌بعدسازی مورد استفاده قرار گرفتند. ضریب همبستگی و میانگین قدر مطلق خطای داده‌ها در شبکه عصبی مورد استفاده به ترتیب 98/ 0 و 0036/ 0 به دست آمدند که بیان‌گر عملکرد مناسب شبکه بودند. در نهایت پس از انجام تحلیل حساسیت وزنی، پارامترهای  و  به ترتیب بعنوان مؤثرترین پارامترهای افزایش و کاهش نرخ فرسایش معرفی شدند.
 
واژه‌های کلیدی: تنش برشی تسلیم، رودخانه لویر فرانسه، ویژگی‌های سیال و رسوب، تحلیل حساسیت فرسایش، مدل عددی Mike، شبکه عصبی MLP.
متن کامل [PDF 1906 kb]   (24 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1398/5/3 | پذیرش: 1398/7/9 | انتشار: 1399/7/6
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

kheirkhahan M, hosseini K, nayyer S. Prediction of Cohesive Sediment Erosion Rate and Analyzing the Effective Parameters Using Artificial Neural Network. jwmseir. 2020; 14 (48) :68-78
URL: http://jwmsei.ir/article-1-906-fa.html

خیرخواهان مهران، حسینی خسرو، نیر شهاب. پیشبینی نرخ فرسایش رسوبات چسبنده و تحلیل پارامترهای مؤثر بر آن به کمک شبکه عصبی مصنوعی. مجله علوم ومهندسی آبخیزداری ایران. 1399; 14 (48) :68-78

URL: http://jwmsei.ir/article-1-906-fa.html



دوره 14، شماره 48 - ( 1-1399 ) برگشت به فهرست نسخه ها
مجله علوم ومهندسی آبخیزداری ایران Iranian Journal of Watershed Management Science and Engineering
Persian site map - English site map - Created in 0.06 seconds with 30 queries by YEKTAWEB 4227