زنگانه, مرتضی, رستگار, عبدالمطلب. (1399). برآورد ضریب زبری بستر کانال‌های خاکی با استفاده از روش‌های شبکه‌های عصبی مصنوعی و سیستم‌های استنباط فازی عصبی-تطبیقی. نشریه مهندسی عمران امیرکبیر, 52(2), 495-512. doi: 10.22060/ceej.2018.14532.5678
مرتضی زنگانه; عبدالمطلب رستگار. "برآورد ضریب زبری بستر کانال‌های خاکی با استفاده از روش‌های شبکه‌های عصبی مصنوعی و سیستم‌های استنباط فازی عصبی-تطبیقی". نشریه مهندسی عمران امیرکبیر, 52, 2, 1399, 495-512. doi: 10.22060/ceej.2018.14532.5678
زنگانه, مرتضی, رستگار, عبدالمطلب. (1399). 'برآورد ضریب زبری بستر کانال‌های خاکی با استفاده از روش‌های شبکه‌های عصبی مصنوعی و سیستم‌های استنباط فازی عصبی-تطبیقی', نشریه مهندسی عمران امیرکبیر, 52(2), pp. 495-512. doi: 10.22060/ceej.2018.14532.5678
زنگانه, مرتضی, رستگار, عبدالمطلب. برآورد ضریب زبری بستر کانال‌های خاکی با استفاده از روش‌های شبکه‌های عصبی مصنوعی و سیستم‌های استنباط فازی عصبی-تطبیقی. نشریه مهندسی عمران امیرکبیر, 1399; 52(2): 495-512. doi: 10.22060/ceej.2018.14532.5678

برآورد ضریب زبری بستر کانال‌های خاکی با استفاده از روش‌های شبکه‌های عصبی مصنوعی و سیستم‌های استنباط فازی عصبی-تطبیقی

نشریه مهندسی عمران امیرکبیر
مقاله 16، دوره 52، شماره 2، اردیبهشت 1399، صفحه 495-512    اصل مقاله (2.79 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22060/ceej.2018.14532.5678
نویسندگان
مرتضی زنگانه* 1؛ عبدالمطلب رستگار2
1رئیس دانشکده فنی و مهندسی علی آباد دانشگاه گلستان
2عضئ هیات علمی دانشگاه گلستان
چکیده
برآورد ضریب زبری در طراحی کانال های خاکی از اهمیت زیادی برخوردار می‌باشد. این مساله حتی در مدل‌سازی عددی پدیده انتقال رسوب دارای اهمیت به‌سزایی است. به همین منظور، تاکنون روش‌های تجربی زیادی برای برآورد ضریب زبری در کانال‌ها ارائه شده است که غالبا دارای خطای زیادی در برآورد پارامتر مورد نظر می‌باشند. بنابراین، در این مقاله با استفاده از روش های ابزار محاسبات نرم مبتنی بر شبکه‌های عصبی مصنوعی و سیستم استنباط فازی عصبی-تطبیقی به ارائه مدل‌هایی جهت برآورد میزان ضریب زبری در کانال‌های خاکی پرداخته می‌شود. در این مدل‌ها پارامتر بی بعد شده عمق آب با اندازه متوسط رسوبات ( d50/h) ، عدد رینولدز برشی(  Rx )،پارامتر شیلدز ( θ ) و پارامتر بی‌بعد شده سرعت سقوط ذرات با سرعت برشی جریان  (f U w)  ، به‌دست آمده از روش تحلیل ابعادی باکینگهام، به عنوان پارامتر ورودی روش های ابزار محاسبه نرم می‌باشند. پس از شبیه سازی و توسعه این مدل‌ها نتایج نشان می‌دهد که دقت روش‌های سیستم استنباط فازی عصبی- تطبیقی ) 8433/0R2=  ( و شبکه‌های عصبی (0/8415 = R2 ) بالاتر از روابط تجربی متداول و روش‌های رگرسیونی خطی و غیرخطی برای برآورد این ضریب می‌باشد. همچنین، آنالیز حساسیت خطای برآورد در برابر حذف پارامترهای مختلف ورودی موثر بر ضریب زبری نشان می‌دهد پارامترهای دیگری مانند عدد رینولدز برشی و پارامتر عمق بی بعد آب در کانال نیز در میزان ضریب زبری بستر کانال های خاکی موثر است که در روابط تجربی ارائه شده این ضریب نادیده گرفته می‌شد. لازم به ذکر است که عدد رینولدز برشی به عنوان موثرترین پارامتر در مدل‌های مذکور شناخته شد. همچنین نتیجه گرفته شد که مدل‌های توسعه داده شده می‌توانند به عنوان گزینه‌ای مناسب جهت برآورد ضریب زبری کانال‌ها خاکی باشند. این مساله با توجه به دامنه وسیع مکانیزم انتقال رسوب بیشتر اهمیت پیدا می‌کند.
کلیدواژه‌ها
برآورد؛ ضریب زبری بستر؛ کانال‌های خاکی؛ شبکه‌های عصبی مصنوعی؛ سیستم استنباط فازی- عصبی
مراجع
آمار
تعداد مشاهده مقاله: 1,231
تعداد دریافت فایل اصل مقاله: 1,366
پیوندهای مفید
آمار
تعداد نشریات9
تعداد شماره‌ها455
تعداد مقالات5,771
تعداد مشاهده مقاله8,374,555
تعداد دریافت فایل اصل مقاله6,932,650