برآورد مشخصات پرش هیدرولیکی متحرک با کاربرد شبکه عصبی مصنوعی و روش تلفیقی شبکه عصبی - الگوریتم ژنتیک

پرش هیدرولیکی متحرک، حالت خاصی از جریان غیرماندگار است که باعث تغییر رژیم و وقوع ناپیوستگی هیدرولیکی در جریان می شود. در روندیابی جریان غیرماندگار و یا برنامه های بهره برداری کانال های روباز، آگاهی از رفتار چنین جریانی در بازه ها ضروری است. این در حالی است که شبیه سازی عددی این پدیده به واسطه وجود ناپیوستگی هیدرولیکی و غیرماندگاری جریان، پیچیده است و داده های آزمایشگاهی در این مورد نیز محدود هستند. به این ترتیب جمع آوری داده های آزمایشگاهی و تجزیه و تحلیل آنها با استفاده از توانایی سیستم های هوشمند، می تواند در برآورد مشخصات مورد نظر پرش هیدرولیکی متحرک کارآمد باشد. در این تحقیق داده های جریان های غیرماندگار جمع آوری شده از یک فلوم آزمایشگاهی مستطیلی، با استفاده از شبکه مصنوعی و همچنین با کاربرد الگوریتم ژنتیک برای بهینه سازی پارامترهای شبکه عصبی، مورد تحلیل قرار گرفت. در آزمایش ها، جریان غیرماندگار و شرایط مختلف پرش هیدرولیکی متحرک، با ایجاد هیدروگراف های متنوع دبی در بالادست، تولید شد. با اجرای الگوی پرسپترون شبکه عصبی و بهینه سازی پارامترهای آن توسط الگوریتم ژنتیک، پارامترهای مختلف پرش برآورد شدند. نتایج نشان داد که شبکه عصبی و یا به عنوان یک گزینه برتر، تلفیق این شبکه با الگوریتم ژنتیک، میتواند به عنوان یک الگوریتم مکمل درمدل های عددی و یا الگوریتم های بهره برداری، برای برآورد مشخصات پرش هیدرولیکی در جریان غیرماندگار به کار رود. به ویژه مشخصات مقطع زیربحرانی بعد از پرش، با دقت مناسبی قابل برآورد است. همچنین آزمون و توسیع این روش برای شرایط جامع آزمایشگاهی و صحرایی می تواند به عرضه ابزاری ساده و کارآمد در روند یابی این نوع جریان منجر شود.