پژوهش هاي حفاظت آب و خاك (علوم كشاورزي و منابع طبيعي)

از جمله مسايل مهم در طراحي آب شکن ها، پديده آب شستگي موضعي دماغه آنها مي باشد که به علت تنگ شدگي مقطع جريان و وجود گردابه هاي قوي به وجود مي آيد و يکي از شاخص هاي مهم در تعيين مشخصات حفره آب شستگي، حداکثر عمق آب شستگي مي باشد. امروزه شبکه هاي عصبي کاربردهاي بسياري در مسايل مختلف مهندسي آب که رابطه و الگوي مشخصي بين عوامل موثر بر وقوع يک پديده وجود ندارد، پيدا کرده است. بنابراين در اين پژوهش از دو روش شبکه عصبي مصنوعي، سيستم استنتاج فازي عصبي به برآورد ميزان عمق آب شستگي اطراف آب شکن -L شکل پرداخته شده است. همچنين نتايج به دست آمده از اين روش ها با رابطه تجربي موجود مقايسه شده است. براي شبکه عصبي مصنوعي از يک لايه مياني با 5 نرون استفاده شد. تابع محرک لايه مياني نيز تانژانت هيپربوليک و تابع محرک لايه خروجي سيگموئيد درنظر گرفته شد. سيستم استنتاج فازي - عصبي به کار رفته در اين تحقيق نيز سوگينو مي باشد که از الگوريتم يادگيري پيوندي براي تعيين پارامترهاي سيستم فازي استفاده مي کند. ضريب همبستگي براي داده هاي آزمون در شبکه عصبي مصنوعي، سيستم استنتاج فازي عصبي و رابطه تجربي به ترتيب 97/0، 99/0 و 93/0 به دست آمده است. مقايسه نتايج نشان دهنده قدرت بالاي سيستم هاي هوشمند (به خصوص سيستم استنتاج فازي عصبي) در يادگيري و تخمين عمق آب شستگي اطراف اين نوع آب شکن مي باشد.

 نسخه قابل چاپ