دانشگاه آزاد اسلامی
واحد تهران جنوب
دانشکده تحصیلات تکمیلی
“M.Sc” پایان نامه برای دریافت درجه کارشناسی ارشد
مهندسی عمران – سازه های هیدرولیکی
عنوان :
تخمین آبشستگی در پائین دست جت ریزشی با استفاده از شبکه عصبی
چکیده
جت های ریزشی در اثر عبور آب روی سازه های هیدرولیکی (سازه هایی چون سرریز وکالورت) بوجود می آیند. محل برخورد جت با بستر به یک کاهنده انرژی جریان تبدیل شده و حفره آبشستگی شکل می گیرد. این پدیده باعث ناپایداری کل یا قسمتی از سازه می شود. فرآیند آبشستگی در خروجی کالورت به عوامل متعددی چون جنس خاک، دبی، شعاع هیدرولیکی، ارتفاع ریزش، عمق پایاب، شیب کالورت و مهمتر از همه زمان وابسته است. از این رو سعی شد از رابطه ای استفاده شود که اثر توأم پارامترهای فوق را نشان دهد.
هر چند تحقیقات بسیاری در خصوص نقش پارامتر زمان در فرایند تشکیل حفره آبشستگی صورت گرفته، ولی در خصوص چگونگی تأثیر آن و اینکه تا چه حد در این فرایند مؤثر است، تا کنون نتایج قابل توجهی حاصل نشده است. در این تحقیق پارامترهای موثر بر ابعاد حفره آبشستگی در دو بخش کلی بررسی شده و جهت برآورد شبکه عصبی مناسبی برای ایجاد رابطه غیر خطی که ابعاد آبشستگی را بر اساس پارامترهای مختلف هیدرولیکی ارائه شده است. برای ایجاد رابطه مناسب و طراحی شبکه عصبی از روش FF با الگوریتم آموزش BP استفاده شده است. بخش اول ، پارامترها به صورت بعد دار و بی بعد در شبکه عصبی در محیط MATLAB مدل شده است. در حالت بی بعد روابط ارائه شده توسط شبکه عصبی با روابط مدل رگرسیونی بدست آمده، مقایسه گردید. در بخش بعدی روابط در دو حالت خاص (پارامترهای رابطه DOT و رابطه اصلاحی DOT توسط مهدوی زاده) ارئه گردید.
نتایج نشان می دهد که رابطه مناسبی بین شبکه ترسیم شده و اطلاعات آزمایشگاهی برآورد شده وجود داشته و شبکه ارائه شده با تعداد نرونهای بالاتر در لایه پنهان در مرحله آموزش دارای دقتی در حدود 8-10 می باشد . مدلهای بی بعد دارای دقت بالاتری نسبت به مدل بعد دار هستند. همچنین مقایسه ای که بین روابط مدل شده با شبکه عصبی و روابط مدل شده با رگرسیون غیر خطی صورت گرفت، دیده شد که شبکه عصبی از دقت قابل ملاحظه ای نسبت به مدل های تجربی رایج برخوردار است. همچنین مقایسه ای بین پارامترهای رابطه DOT و DOT اصلاح شده توسط مهدوی زاده صورت گرفت که به مراتب دقت در پارامترهای اصلاح شده بیشتر است. به طور کلی، بین تمام حالتهای مدل شده در شبکه عصبی، DOT اصلاحی دارای خطای کمتر و درجه همبستگی بیشتری می باشد.
در ادامه به بررسی اهمیت هر کدام از پارامترهای ورودی پرداخته شد. با حذف هر کدام از پارامترهای ورودی اثر هر کدام بر ابعاد حفره آبشستگی بررسی شده و در نهایت رابطه بدست آمده توسط شبکه عصبی ارائه گردیده است.
مقدمه
آبشستگی هرچند سابقه طولانی در علم هیدرولیک دارد ولی به علت دامنه وسیع متغیرها و گستردگی پارامتر های موثر بر آن و شرایط گوناگون که در این پدیده وجود دارد ، تا کنون رابطه دقیقی که بتواند تخمین مناسبی از ابعاد حفره آبشستگی بدهد در دسترس نمی باشد ومطالعه در این مورد همچنان مورد توجه محققین این علم است.
پیش بینی ابعاد حفره آبشستگی پائین دست سازه های کنترل یکی از مهمترین و مشکل ترین مراحل در طراحی فونداسیون این سازه ها است. طراحی بایستی با توجه به ابعاد حفره ایجاد شده بصورتی باشد که احتمال شکست و واژگونی سازه حداقل گردد.
جریان خروجی از سازه های هیدرولیکی اغلب به صورت جت می باشد که ممکن است در رودخانه ها و اطراف سازه های آنها به تغییرات زیاد پیرامون آنها منجر گردد و خسارت سازه ای و زیست محیطی قابل توجهی به همراه داشته باشد. اگر چه مطالعات متعددی در زمینه آبشستگی ناشی از جت ها انجام شده است و جتهای مختلف از قبیل جتهای افقی، عمودی و پرتابی مورد مطالعه وبررسی قرار گرفته است لیکن در هیچ کدام از موارد فوق روابط جامعی برای بررسی رفتار و خصوصیات کامل حفره آبشستگی ارائه نگردیده است و بررسی کاملتر پارامترهای موثر بر این پدیده مستلزم ادامه مطالعات است.
شبکه های عصبی مصنوعی که امروزه در کاربردهای فراوانی ارزش والای خود را نشان داده اند، براساس مدل بیولوژیکی مغز انسان بوجود آمده اند که ضمن اجرای فرآیند آموزش، قادرند که قوانین و روابط درونی بین داده های تجربی را کشف کرده و در موقعیتهای دیگر تعمیم دهند و لذا در این تحقیق ، ضمن استفاده از روشهای متداول در هیدرولیک از شبکه های عصبی مصنوعی نیز برای تحلیل اطلاعات موجود استفاده شده و صحت شبکه های تدوین شده با اتکا به شاخص های آماری موجود متداول سنجیده شده است.
مطالعات انجام شده در تحقیق در قالب شش فصل آورده شده است که به صورت اجمالی در زیر به آن اشاره شده است:
فصل اول: این فصل شامل مقدمه و هدف از تحقیق حاضر می باشد و اطلاعات کلی را در مورد پایان نامه بیان می کند.
فصل دوم: این فصل مروری بر مطالعات انجام شده می باشد که به بررسی پارامترهای مؤثر در فرآیند تشکیل حفره آبشستگی در پائین دست جت ریزشی بر اساس تحقیقات انجام شده پرداخته شده است.
فصل سوم: در این فصل مبانی اساسی شبکه عصبی بیان شده و به نحوه مدل کردن شبکه عصبی در محیط MATLAB پرداخته شده است.
فصل چهارم: در این فصل به نحوه مطالعات آزمایشگاهی که اطلاعات آن مورد استفاده قرار گرفته پرداخته شده و همچنین فرمولهای تجربی و تحقیقات آزمایشگاهی که در این تحقیق استفاده شده ، ارائه گردیده است.
فصل پنجم: در این فصل به بررسی شبکه عصبی مصنوعی و کابرد آن در پیش بینی حفره آبشستگی ناشی از جت های ریزشی و تجزیه و تحلیل نتایج ناشی از آن پرداخته شده و همچنین روابط بدست آمده از شبکه عصبی ارئه گردیده است.
فصل ششم: در این فصل به اختصار نتایج نهایی حاصل از انجام این تحقیق مطالعه انجام شده بیان شده و پیشنهاداتی در این زمینه در جهت ادامه کار ارائه شده است.
برای دانلود متن کامل پایان نامه اینجا کلیک کنید
نظرات شما عزیزان:
تبادل لینک هوشمند