مدل سازی درصد کاهش هد جریان غلیظ نمکی با استفاده از هوش مصنوعی
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
10.22059/jwim.2021.312641.838چکیده
جریان غلیظ یکی از مهمترین عوامل در فرآیند رسوبگذاری سدها میباشد. چون این جریان از عوامل موثر بر کاهش کارایی عمر سدهای بزرگ بوده، بنابراین درک الگوهای رسوبگذاری جهت مدیریت مخزن سدها بسیار کارآمد میباشد. براین اساس در این تحقیق درصد کاهش هد جریان غلیظ نمکی تحت تاثیر موانع نفوذپذیر ذوزنقهای شکل (پر شده با دانه-های شن با قطر 0.5 سانتیمتر)، با در نظر گرفتن متغیرهایی همچون دبی، شیب، غلظت و ارتفاع موانع بهصورت آزمایشگاهی مورد بررسی قرار گرفت، براساس نتایج حاصله اقدام به مدلسازی هد جریان غلیظ نمکی با روش شبکه عصبی مصنوعی پیشخور و روش کلاسیک رگرسیون چند متغیره شد و کارکرد این دو روش مورد مقایسه قرار گرفت. نتایج نشان داد که روش هوشمند شبکه عصبی مصنوعی پیشخور در مدلسازی درصد کاهش هد جریان غلیظ نمکی نسبت به روش رگسیون چند متغیره برتری قابل توجهی دارد.
