بررسی عوامل آبشستگی موضعی زیر خطوط لوله با استفاده از الگوریتمهای شبکههای عصبی مصنوعی

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 تاثیر عوامل موثر 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 نرمافزارNeuroSolution۵  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 تاثیر هر کدام از پارامترهای موثر بر آبشستگی مشخص شد که بر اساس آن، پارامتر شیلدز با تاثیری بسیار زیاد (بیش از ۹۵ درصد)، یکی از موثرترین عوامل در آبشستگی موضعی در این پژوهش است.

کلیدواژه ها:

Scour ، Artificial neural network ، NeuroSolution۵ software ، Multilayer Perceptron Model (MLP) ، Shields Parameter ، آبشستگی ، شبکه عصبی مصنوعی ، نرم افزار NeuroSolution۵ ، مدل پرسپترون چندلایه (MLP) ، پارامتر شیلدز