فهرست نشریات علمی دسترسی آزاد ایران

در این تحقیق از شبکة عصبی مصنوعی برای مدل‌سازی طول و عمق ثانویة پرش هیدرولیکی در حوضچة آرامش با دیوارة همگرا و شیب کف منفی -که یکی از حالت‌های خاص و پیچیده در پرش هیدرولیکی است- استفاده شده است. تعداد 1682 دادة آزمایشگاهی طول و عمق ثانویة پرش هیدرولیکی مربوط به مقاطع مستطیلی، برای شیب کف منفی %6/0-، %3/1- و %2- با زاویة همگرایی %7/2، %4 و %3/5 استفاده شده است. در توسعة مدل شبکه، 15 ساختار پرسپترون با تعداد مختلفی از لایه‌های پنهان ونرون‌ها ارزیابی شدند. در نتیجه، ساختاری که بالاترین مقدار ضریب همبستگی را ایجاد می‌کرد، به‌عنوان مدل بهینه انتخاب شد. برای مقاطع همگرا با شیب کف منفی، مناسبترین مدل شبکه عصبی برای تعیین عمق ثانویة پرش هیدرولیکی، ساختار 1-3-6 با 16 نرون در لایة پنهان و ضریب برازش برابر 9974/0 به‌دست آمد. همچنین برای طول پرش ساختار 1-2-6 با 8 نرون در لایه‌های پنهان وضریب برازش برابر با 9865/0 به‌دست آمد. مقادیر بالای به‌دست آمده برای ضرایب برازش، بیانگر همبستگی نزدیک بین مقادیر خروجی مدل شبکه عصبی با داده‌های آزمایشگاهی است.