كاربرد هوش مصنوعي در تعيين عمق ثانويه پرش هيدروليكي براي حوضچههاي آرامش با شيب معكوس و پله مثبت و منفي

يكي از سازههاي مستهلك كننده انرژي حوضچه آرامش است كه در آن از پرش هيدروليكي به عنوان عامل كاهنده انرژي استفاده ميشود، بنابراين تعيين عمق ثانويه پرش به منظور طراحي هيدروليكي صحيح حوضچه از اهميت بسزائي برخوردار است. از انواع اين نوع حوضچهها، مي- توان حوضچه آرامش با شيب معكوس و پله مثبت و منفي را نام برد. روابط ارائه شده براي پرش در اين نوع حوضچهها نشان ميدهد كه عوامل در تعيين عمق ثانويه شامل عمق اوليه جريان،دبي جريان،شيب كف و اختلاف ارتفاع پلهها ميباشد. در اين تحقيق روش جديدي با استفاده از شبكه عصبي مصنوعي ANN براي تعيين عمق ثانويه پرش بر اساس متغيرهاي مذكور ارائه گرديده است كه با دقت بالا به شكل قابل ملاحظهاي از زمان انجام محاسبات ميكاهد. شبكه مورد استفاده براي تخمين اين پارامترهاي هيدروليكي از نوع پرسپترون چند لايه MPL ميباشد كه از الگوريتم پسانتشار 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 شبكه توسط دادههاي آزمايشگاهي، مشخص شد كه مدل شبكه عصبي با تقريب مناسبي دادههاي آزمايشگاهي را برآورد ميكند. نتايج بدست آمده از آزمون شبكه عصبي در اين مقاله حاكي از آن است كه شبكه عصبي مصنوعي به خوبي قادر به تعيين عمق ثانويه پرش هيدروليكي در حوضچههاي آرامش با شيب معكوس و پله مثبت و منفي ميباشد و جايگزين مناسبي براي فرمولهاي تئوريك خواهد بود.