|
|
|
|
مدل سازی درصد کاهش هد جریان غلیظ نمکی با استفاده از هوش مصنوعی
|
|
|
|
|
|
|
|
نویسنده
|
درخشان نیا مهدی ,قمشی مهدی ,اسلامیان سعید ,کاشفی پور محمود
|
|
منبع
|
مديريت آب و آبياري - 1400 - دوره : 11 - شماره : 2 - صفحه:131 -143
|
|
چکیده
|
جریان غلیظ یکی از مهمترین عوامل در فرآیند رسوب‌گذاری سدها می‌باشد. چون این جریان از عوامل موثر بر کاهش کارایی عمر سدهای بزرگ بوده، بنابراین درک الگوهای رسوب‌گذاری جهت مدیریت مخزن سدها بسیار کارآمد می‌باشد. براین اساس در این تحقیق درصد کاهش هد جریان غلیظ نمکی تحت تاثیر موانع نفوذپذیر ذوزنقه‌ای شکل (پر شده با دانههای شن با قطر 0.5 سانتی‌متر)، با در نظر گرفتن متغیرهایی همچون دبی، شیب، غلظت و ارتفاع موانع به‌صورت آزمایشگاهی مورد بررسی قرار گرفت، براساس نتایج حاصله اقدام به مدل‌سازی هد جریان غلیظ نمکی با روش شبکه عصبی مصنوعی پیش‌خور و روش کلاسیک رگرسیون چند متغیره شد و کارکرد این دو روش مورد مقایسه قرار گرفت. نتایج نشان داد که روش هوشمند شبکه عصبی مصنوعی پیش‌خور در مدل‌سازی درصد کاهش هد جریان غلیظ نمکی نسبت به روش رگسیون چند متغیره برتری قابل توجهی دارد.
|
|
کلیدواژه
|
جریان غلیظ، درصد کاهش هد، رگرسیون چندمتغیره، شبکه عصبی پیش خور
|
|
آدرس
|
دانشگاه آزاد اسلامی واحد نجف آباد, گروه مهندسی عمران, ایران, دانشگاه شهید چمران اهواز, دانشکده مهندسی آب و محیط زیست, گروه سازه های آبی, ایران, دانشگاه آزاد اسلامی واحد نجف آباد, گروه مهندسی عمران, ایران. دانشگاه صنعتی اصفهان, دانشکده کشاورزی, گروه مهندسی آب, ایران, دانشگاه شهید چمران اهواز, دانشکده مهندسی آب و محیط زیست, گروه سازه های آبی, ایران
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Modeling the reduction percentage of the density current head flux using artificial intelligence
|
|
|
|
|
Authors
|
Derakhshannia Mehdi ,Ghomeshi Mehdi ,Eslamian Seyed Saeid ,Kashefipour Seyed Mahmood
|
|
Abstract
|
Density current is one of the most important factors in the sedimentation process of dams. Because this current is one of the important factors affecting the reduction of life efficiency of large dams, so understanding sedimentation patterns to manage the reservoir of dams is very effective. Accordingly, in this study, the reduction percentage of the density current head flux under the influence of trapezoidal permeable barriers (filled with sand grains with a diameter of 0.5 cm) is investigated also variable parameters effect such as discharge, slope, concentration and height of obstacles on density current control is examined experimentally, based on the results, the reduction percentage of the density current head flux was modeled using the artificial neural network feedforward method and the classical multivariable regression method, and the performance of these two methods was compared. The results showed that the intelligent method of feedforward artificial neural network has a significant advantage over the multivariable regression method in modeling the reduction percentage of the density current head flux.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|