پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,228 |
| تعداد مقالات | 67,749 |
| تعداد مشاهده مقاله | 115,077,891 |
| تعداد دریافت فایل اصل مقاله | 89,815,503 |
تخمین عمق آبشتگی موضعی در اطراف پایه های واقع در مجرای اصلی آبراهه ها به کمک شبکه عصبی مصنوعی | ||
| مجله علوم کشاورزی ایران | ||
| مقاله 4، دوره 33، شماره 4 - شماره پیاپی 491، تیر 1381 اصل مقاله (455.77 K) | ||
| نویسندگان | ||
| صلاح کوچک زاده؛ عبدالمجید لیاقت؛ حسین شیخ شمایل* | ||
| چکیده | ||
| تحقیقات آزمایشگاهی و صحرایی در زمینه آبشستگی اطراف پایه های مستقر در مجاری اصلیرودخانه ها در پنجاه سال گذشته منجر به ارائه روابط متعدد برای بر آورد حداکثر عمق حفره آبشستگی شده است . هر کدام از روابط یاد شده اثر پارامتر های محدودی را مورد بررسی قرار می دهد به همین دلیل بر آوردهای قابل اعتمادی ارائه نمی دهند. در این تحقیق با بهره گیری از معتبر ترین داده های جمع آوری شده در چند دهه گذشته امکان استفاده از شبکه عصبی مصنوعی برای تخمین میازن عمق آبشستگی مورد بررسی قرار گرفت برای این منظور سیصد سری داده به کار گرفته شد داده ها به دو بخش تقسیم شده ا ند بخشی برای آموزش شبکه ها و بخش دیگری برای ارزیابی و مقایسه نتایج محاسبه شده با مشاهده شده به کار رفت نتایج این تحقیق نشان داد که برآورد های حاصل از شبکه تطابق بسیار مطلوبی با اندازه گیری ها دارد و از نتایج رگرسیون چند متغیره خطی هم بهتر بوده است همچنین آنالیز حساسیت بر روی پارامتر های موثر بر پدیده نشان داد که ا نحراف معیار هندسی ذرات بستر بیشترین تاثیر را بر نتایج داشته است و عوامل تاثیر گذار دیگر از قبیل سرعت جریان قطر متوسط ذرات قطر پایه و عمق جریان در مراتب بعدی قرار میگیرند . | ||
| کلیدواژه‌ها | ||
| آبشستگی؛ بستر زنده؛ پایه پل؛ سازه هیدرولیکی؛ سرعت آستانه؛ شبکه عصبی | ||
| عنوان مقاله [English] | ||
| - | ||
| چکیده [English] | ||
| Many researches were accomplished to predict the maximum scour depth around piers located in a river main channel. Based on the results of previous studies many equations were proposed for this purpose, however, each equation incorporates only limited affecting facorts on the phenomena. In this study valuable data gathered during the last few decades have been used to examine the application of Artificial Neural Networks for predicting the maximum local scour depth around piers. The data were randomly divided into two parts, the first part was used to train the ANN and the second to validate its outputs. This research indicated that reasonable concordance was obtained between observed local scour depths and calculated values based on ANN. ANN also, yields more satisfactory results as compared with the multi linear regression model. Sensitivity analysis was also done to determine the most affecting factors on the process. It was indicated that the geometric standard deviation of the bed material affects the output the most. Other factors such as flow velocity, median grain size, pier width, and flow depth affect the phenomenon as well. | ||
| کلیدواژه‌ها [English] | ||
| Artificial Neural Networks, critical velocity, Hydraulic Structures, Live bed, Local Scour, Pier, Shear velocity | ||
|
آمار تعداد مشاهده مقاله: 2,135 تعداد دریافت فایل اصل مقاله: 947 |
||