استفاده از شبکه های عصبی مصنوعی در تحلیل هیدرودینامیکی سکوهای شناور

سازه های دریایی شناور بالاخص سیستم های شناور تولید، ذخیره و انتقال (FPSOs) نفت هنوز مورد استفاده وسیعی در مخازن کوچک و بزرگ نفت و گاز در آب عمیق بشمار می آیند. برای پیش بینی پاسخ های این سازه شناور تحت اثر بارهای محیطی وارده در طول عمر بهره برداری از روش طراحی مبتنی بر پاسخ (Response-Based) بطور اغلب استفاده می گردد. گرچه این روش هنوز مراحل اولیه تکامل را می گذراند. بدست آوردن پاسخ های سازه شناور تحت تاثیر بارهای هیدرودینامیکی ناشی از شرایط محیطی دراز مدت دریا از ملزومات بکارگیری صحیح این روش محسوب می گردد. اگرچه اغلب اجرای یک شبیه سازی کامل برای هر ۳ ساعت زمان از اطلاعاتی محیطی در نظر گرفته شده عملی نمی باشد. بنابراین تکنیک شبکه های عصبی مصنوعی برای پیش بینی پاسخ های سکوی شناور FPSO تحت تاثیر بارهای تصادفی باد، موج و جریان توسعه داده شده است. مقایسه نتایج بدست آمده از اعمال این روش (شبکه های عصبی مصنوعی) بر روی سکوهای FPSO  با تناژ ۰۰۰/۲۰۰ تن    (DWT) با روش مدل ریاضی متداول نشان می دهد که این روش قادر به پیش بینی پاسخ های شناور تحت بارهای تصادفی بطور موفقیت آمیز می باشد.

کلیدواژه ها:

seakeeping ، floating offshore platforms ، artificial neural networks ، سکوهای دریایی شناور ، شبکه های عصبی هوشمند ، Seakeeping