سال انتشار: ۱۳۸۴

محل انتشار: پنجمین کنفرانس هیدرولیک ایران

تعداد صفحات: ۶

نویسنده(ها):

دکتر احمد طاهرشمسی – استادیار دانشکده عمران دانشگاه صنعتی امیرکبیر
دکترمحمدباقر منهاج – استادیار دانشکده برق دانشگاه صنعتی امیرکبیر
رضا احمدیان – کارشناس ارشد مهندسی هیدرولیک شرکت ساختمانی بتن شرق

چکیده:

در این تحقیق از شبکه عصبی پرسپترون و الگوریتم آموزش Marquardt-Levenberg پیش بینی رسوب استفاده شده است. به این منظور داده های ورودی نرمال شده شامل: عرض، عمق مقطع ، شیب طولی کانال، دبی جریان و قطر متوسط ذرات رسوب به شبکه ارایه شده اند. شبکه در بخش آموزش خطاییمعادل ۰،۰۰۰۹۲۳ و در بخش آزمایش خطایی برابر ۰،۰۰۲۴ نشان میدهد .در ادامه به منظور ایجاد داده های یکنواخت تر و در نتیجه خطای کمتر، داده ها ی ورودی بر حسب نوع جریان با توجه به عدد فرود( جریان زیر بحرانی با جریان فوق بحرانی) جداسازی شده اند و بر هر دسته یک شبکه عصبی جداگانه اعمال شده است. در نتیجه خطاهای ایجاد شده برای جریان زیر بحرانی به طرز قابل ملاحظه ای کاهش می یابد به نحوی که خطای آزمایس به ۰،۰۰۰۰۱۶۱ می رسد و انحراف معیار خطاهای ایجاد شده در بخش آزمایش نشان دهنده ایجاد داده های یکنواخت تر است. ولی در مقابل برای جریان فوق بحرانی خطای آزمایش به ۰،۰۱۶۲ افزایش می یابد که نشان دهنده ضعف شبکه های عصبی به کار رفته در تخمین رسوب در جریانهای فوق بحرانی می باشد.