فهرست نشریات علمی دسترسی آزاد ایران

سرریزهای مرکب به‌منظور افزایش ظرفیت تخلیه جریان و رفع محدودیت‌های سرریزهای ساده در دبی‌های بالا طراحی می‌شوند. یکی از مهم­ترین چالش‌ها و تهدیدهایی که در پایداری این سازه‌ها مطرح می‌شود، احتمال وقوع آبشستگی در پایین‌دست این نوع سرریزهاست. ازاین‌رو، بررسی و پیش‌بینی عمق و محل حفرۀ آبشستگی اهمیت بالایی دارد. در این تحقیق، در آزمایشگاه روی سرریز مرکب مثلثی – مثلثی مطالعه گردید. سرریز مورد مطالعه، پس از ساخت در فلوم آزمایشگاهی نصب و نیمرخ‌های آبشستگی در پایین‌دست سازه، در دبی­های مختلف استخراج گردید. پارامترهای موثر بر آبشستگی در پایین‌دست سرریز‌های مرکب مثلثی-مثلثی شناسایی گردیدند و ابعاد حفرۀ آبشستگی با بهره‌گیری از مدل‌های هوش‌مصنوعی از جمله شبکۀ عصبی، شبکۀ عصبی-فازی تطبیقی و شبکه ماشین بردار پشتیبان تخمین زده شد. تحلیل حساسیت روی پارامترهای موثر بر ابعاد حفرۀ آبشستگی حاکی از آن است که با تغییر 10 درصد در متغیرهای ورودی، عدد فرود ذره بیشترین تاثیر را بر ابعاد حفره دارد. افزون بر این، مقایسۀ مقادیر پیش‌بینی شده توسط مدل‌های هوش مصنوعی با داده‌های آزمایشگاهی حاکی از دقت بالای مدل‌های هوش‌مصنوعی است. نتایج به­دست آمده نشان می‌دهد که روش ماشین بردار پیشتیبان با کرنل RBF، با ضریب نش-ساتکلیف 0/895 بهترین عملکرد را در پیش‌بینی بیشینه عمق آبشستگی دارد.