فهرست نشریات علمی دسترسی آزاد ایران

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.