مدل‌سازی رفتار جریان غلیظ با الگوریتم‌های یادگیری ماشین

نویسندگان

1 دانشجوی دکتری، گروه مهندسی عمران، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران.

2 استاد، گروه مهندسی عمران، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران. و گروه مهندسی آب، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان، ایران

3 استاد، گروه سازه های آبی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.

4 استاد، گروه سازه های آبی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.

doi
10.30495/wej.2021.27117.2290
چکیده

چکیدهمقدمه :  جریان چگال یکی از عوامل موثر بر انتقال رسوبات به مخازن سدها می باشد. در این راستا یکی از روش های عملی برای کنترل رسوبات، ایجاد مانع در مسیر این جریان ها می­باشد.روش :  در این تحقیق آزمایشگاهی، رفتار جریان چگالی تحت تأثیر موانع استوانه‌ای ساخته شده از چوب با قطر 1.5 سانتی‌متر و ارتفاع 30 سانتی‌متر (بیش از ارتفاع بدنه جریان چگالی) مورد ارزیابی قرار گرفت. بنابراین با در نظر گرفتن متغیرهایی مانند شیب کف، غلظت و دبی، مقادیر هد جریان غلیظ تعیین شد. همچنین در این مقاله از الگوریتم‌های یادگیری ماشین مانند سیستم استنتاج فازی-عصبی تطبیقی و شبکه عصبی مصنوعی برای مدل‌سازی نتایج استفاده شد.یافته ­ها :  بر اساس نتایج، هد جریان نمک چگال با استفاده از الگوریتم‌های یادگیری ماشینی مانند سیستم استنتاج عصبی فازی تطبیقی و شبکه عصبی مصنوعی مدل‌سازی انجام شد و عملکرد این دو روش مقایسه شد. نتایج نشان داد که الگوریتم‌های یادگیری ماشین در مدل‌سازی هد جریان نمک چگالی مفید هستند و مقادیر رگرسیون سیستم استنتاج فازی عصبی تطبیقی برای داده های آموزش و آزمون 0.99 و رگرسیون شبکه عصبی مصنوعی به ترتیب 0.94 و 0.91 به دست آمد.نتیجه ­گیری : با مقایسه این دو روش مشخص شد که سیستم استنتاج عصبی-فازی تطبیقی در مدل‌سازی درصد کاهش جریان سر چگالی نسبت به روش شبکه عصبی مصنوعی پیش‌خور مؤثرتر بوده است.