کامران محمدی - دانشجو کارشناسی ارشد سازههای آبی دانشگاه تبریز
سعید فرزین - دانشجو دکتری عمران-آب و دانشجو دکتری سازههای هیدرولیکی دانشگاه تبریز
نازیلا کاردان - دانشجو دکتری عمران-آب و دانشجو دکتری سازههای هیدرولیکی دانشگاه تبریز
یوسف حسن زاده - استاد گروه مهندسی آب دانشکده عمران دانشگاه تبریز

روزنه جانبی نوعی سازه منحرف کننده جریان از کانال اصلی است که به طور گسترده در شبکههای آبیاری و مهندسی محیط زیست مورد استفاده قرار میگیرد. آنالیز ابعادی نشان میدهد که ضریب دبی در این سازه هیدرولیکی تابعی از نسبت عرض کانال به قطر روزنه(B/Dارتفاع تاج روزنه به قطر روزنه(W/D)عمق آب در کانال به قطر روزنهYm/Dو عدد فرود جریانFr) میباشد. اما در روابط ارائه شده توسط برخی محققین ضریب تخلیه تنها تابعی از (B/D و Fr) در نظر گرفته شده است. در این تحقیق روش جدیدی با استفاده از شبکه عصبی مصنوعی ANN) برای تعیین ضریب شدت جریان بر اساس متغیرهای بی بعد مذکور ارائه گردیده است که به شکل قابل ملاحظهای از حجم و زمان انجام محاسبات میکاهد. شبکه مورد استفاده برای تخمین این پارامترهای هیدرولیکی از نوع پرسپترون چند لایهMPL) میباشد که از الگوریتم پس- انتشار خطا برای یادگیری کمک میگیرد. بدین منظور شبکههای مختلف با ساختارها و خصوصیات گوناگون مورد آزمایش قرار گرفت و نهایتا شبکهای که دارای بهترین عملکرد بود، انتخاب شد. پس از آموزش مدل توسط دادههای آزمایشگاهی، مشخص شد که مدل شبکه عصبی به شکل مناسبی دادههای آزمایشگاهی را تقریب میزند. نتایج بدست آمده در این مقاله حاکی از آن است که شبکه عصبی مصنوعی به خوبی قادر به تعیین ضریب شدت جریان در روزنه جانبی لبهتیز دایرهای میباشد

روزنه جانبی، ضریب دبی، آنالیز ابعادی، شبکه عصبی مصنوعی