بررسي عملكرد شبكه هاي عصبي مصنوعي در برآورد بيشترين ژرفاي آبشستگي پيرامون آبشکن ها

يكي از عوامل اصلي ويراني آبشکن ها آبشستگي مي باشد كه فرآيندي بسيار پيچيده است. پيچيدگي الگوي جريان پيرامون آبشکنها و گوناگوني عوامل موثر بر آبشستگي، موجب پرشماري روابط تجربي و كاهش دامنه هر يك از آنها، به دليل محدوديت شرايط آزمايشگاهي مي شود. در اين تحقيق امكان استفاده از شبكه هاي پرسپترون چندلايه (MLP) براي برآورد بيشترين ژرفاي آبشستگي پيرامون سه نوع آبشکن شامل آبشکن هايي با ديواره عمودي، بالدار و نيم دايره اي مورد مطالعه قرار گرفتند. دستاوردهاي شبيه شبکه عصبي مصنوعي با نتايج به دست آمده از رابطه تجربي پيشنهادي به وسيله باربهيوا و دي (2004) مقايسه گرديدند. هشت نمايشنامه بر اساس فراسنجهاي موثر و شبکه هاي با وروديهاي مختلف براي پيش بيني ژرفاي آبشستگي تعريف شدند. مقايسه نتايج نمايشنامه هاي مختلف نشان دادند که نمايشنامه اي كه تنها از دو فراسنج y/l و F_e براي برآورد ژرفاي آبشستگي در پيرامون آبشکن استفاده مي كند، از عملکرد بهتري برخوردار است. همچنين، نتايج تحليل حساسيت نشان دادند كه فراسنجهاي y/l و l/d₅₀ بيشترين تاثير را در پيش بيني ژرفاي آبشستگي آبشکن دارند. مقايسه نتايج شبيه شبكه هاي عصبي و مقادير محاسبه شده از رابطه تجربي با داده هاي آزمايشگاهي نشان دادند كه مقادير بيشترين ژرفاي آبشستگي به دست آمده از روش شبکه هاي عصبي مصنوعي از دقت بيشتري نسبت به رابطه تجربي برخوردارند. همچنين، دقت شبكه هاي عصبي مصنوعي در برآورد ژرفاي آبشستگي پيرامون آبشکن هاي با ديواره عمودي در مقايسه با دو نوع آبشکن ديگر بيشتر است.