464

Intelligent Simulation of Flow through the Piano Key Weirs

كارشناسي ارشد

عمران سازه هاي هيدروليكي

تهران شمال

1395

95/8/5

17/5

114ص.

رجبي، الهام

107-112ص.

Piano Key weirs , Discharge Coefficient , artificial neural network

در سالهاي اخير بررسي و تحليل سرريز هاي كليد پيانويي مورد توجه پژوهشگران واقع شده است. مزيت اصلي اين سرريزها افزايش اتلاف انرژي همزمان با كاهش فضاي سازه اي بوده است. در همين راستا، تاكنون تحقيقات بسياري با عنايت به ساخت مدلهاي تجربي و همچنين نتايج حاصل از مدلسازي عددي صورت گرفته است؛ يكي از اين مطالعات بررسي تاثيرتغييرات هندسي سرريز كليد پيانويي روي ضريب گذردهي سرريز است. از آن جا كه مقايسه روش هاي عددي در اكثر مطالعات با استفاده از روش تجربي انجام شده كه و ساخت مدلهاي آزمايشگاهي نياز به صرف هزينه و زمان زيادي دارد، در اين پژوهش ره يافت مدلسازي هوشمند مبتني بر آموزش يك شبكه عصبي مصنوعي به منظور پيش بيني ضريب گذردهي سرريز كليد پيانويي بر مبناي داده هاي مطالعات تجربي تحقيقات پيشين پيشنهاد مي گردد. در اين ره يافت جديد يك شبكه عصبي مصنوعي پيشخور چند لايه با توابع يادگيري مختلف براي تعيين ضريب گذردهي مورد آموزش قرار گرفته است. الگوي آموزش پس انتشار خطا با تابع يادگيري لونبرگ ماركواردت از ميان توابع آموزش مختلف بعنوان شبكه بهينه انتخاب شد. آموزش در و دولايه پنهان انجام گرديد ودر تعيين تعداد نرونهاي لايه پنهان پس از بررسي روابط مختلف پيشنهادي رابطه ري مبنا قرار گرفت. مقايسه نتايج حاصل از مدلسازي هوشمند و روابط پيشنهادي مبتني بر مطالعات تجربي (رابطه پيشنهادي كبيري و همكاران) نشان داد عملكرد شبكه عصبي مصنوعي در تعيين ضريب گذردهي دقيقترخواهد بود. در حالي كه رابطه تجربي پيشنهادي توسط كبيري و همكاران به دليل محدوديت پارامترها به درستي قادر به تخمين مناسبي از ضريب گذردهي سرريزهاي كليد پيانويي نمي باشد.

39659