بررسي چگونگي تاثير پذيري ضريب دبي از برخي پارامترهاي بي بعد و تعيين ضريب شدت جريان در روزنه جانبي با استفاده از شبيه سازي هوشمند

روزنه جانبي نوعي سازه منحرف كننده جريان از كانال اصلي است كه به طور گسترده در شبكههاي آبياري و مهندسي محيط زيست مورد استفاده قرار ميگيرد. آناليز ابعادي نشان ميدهد كه ضريب دبي در اين سازه هيدروليكي تابعي از نسبت عرض كانال به قطر روزنه(B/Dارتفاع تاج روزنه به قطر روزنه(W/D)عمق آب در كانال به قطر روزنهYm/Dو عدد فرود جريانFr) ميباشد. اما در روابط ارائه شده توسط برخي محققين ضريب تخليه تنها تابعي از (B/D و Fr) در نظر گرفته شده است. در اين تحقيق روش جديدي با استفاده از شبكه عصبي مصنوعي ANN) براي تعيين ضريب شدت جريان بر اساس متغيرهاي بي بعد مذكور ارائه گرديده است كه به شكل قابل ملاحظهاي از حجم و زمان انجام محاسبات ميكاهد. شبكه مورد استفاده براي تخمين اين پارامترهاي هيدروليكي از نوع پرسپترون چند لايهMPL) ميباشد كه از الگوريتم پس- انتشار خطا براي يادگيري كمك ميگيرد. بدين منظور شبكههاي مختلف با ساختارها و خصوصيات گوناگون مورد آزمايش قرار گرفت و نهايتا شبكهاي كه داراي بهترين عملكرد بود، انتخاب شد. پس از آموزش مدل توسط دادههاي آزمايشگاهي، مشخص شد كه مدل شبكه عصبي به شكل مناسبي دادههاي آزمايشگاهي را تقريب ميزند. نتايج بدست آمده در اين مقاله حاكي از آن است كه شبكه عصبي مصنوعي به خوبي قادر به تعيين ضريب شدت جريان در روزنه جانبي لبهتيز دايرهاي ميباشد