جلد 23، شماره 4 - ( علوم آب و خاک - ويژه‌نامه سيل و فرسايش خاک - زمستان 1398 )
جلد 23 شماره 4 صفحات 329-315 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Pourmirza M, Kamanbedast A. Investigation of Local Scour Factors under Pipelines Using Artificial Neural Network Algorithms. jwss 2019; 23 (4) :315-329
URL: http://jstnar.iut.ac.ir/article-1-3560-fa.html
URL: http://jstnar.iut.ac.ir/article-1-3560-fa.html
پورمیرزا محمد، کمان بدست امیرعباس. بررسی عوامل آبشستگی موضعی زیر خطوط لوله با استفاده از الگوریتم‌های شبکه‌های عصبی مصنوعی. علوم آب و خاک. 1398; 23 (4) :315-329
1. گروه مهندسی عمران، واحد اهواز، دانشگاه آزاد اسلامی، اهواز ، mohammadp2787@gmail.com
چکیده: (4607 مشاهده)
یکی از مهم‌ترین عوامل آسیب و خرابی لوله‌ها، وقوع آبشستگی موضعی است، بنابراین طراحی مطمئن و اقتصادی لوله‌ها که در مسیر جریان قرار می‌گیرند، مستلزم تخمین مناسبی از میزان تأثیر عوامل مؤثر بر آبشستگی زیر لوله است. در این پژوهش بر اساس پارامتر‌های مهم و اثرگذار در پدیده آبشستگی و بر اساس داده‌های به‌دست آمده در آزمایشگاه دانشگاه آزاد اسلامی واحد اهواز، مدل‌هایی بر مبنای شبکه‌های عصبی مصنوعی با استفاده از نرم‌افزارNeuroSolution5 ایجاد شد که در این تحقیق از سه مدل MLP، GFF و RBF استفاده شد و پس از مقایسه این سه مدل با یکدیگر، مدل MLP محور بررسی‌ها قرار گرفت. در نهایت با استفاده از تکنیک شبکه‌های عصبی مصنوعی میزان تأثیر هر کدام از پارامتر‌های مؤثر بر آبشستگی مشخص شد که بر اساس آن، پارامتر شیلدز با تأثیری بسیار زیاد (بیش از 95 درصد)، یکی از مؤثرترین عوامل در آبشستگی موضعی در این پژوهش است.
واژه‌های کلیدی: آبشستگی، شبکه عصبی مصنوعی، نرم افزار NeuroSolution5، مدل پرسپترون چند‌لایه (MLP)، پارامتر شیلدز
| بازنشر اطلاعات | |
 | این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
