جلد 23، شماره 4 - ( علوم آب و خاک - ويژه‌نامه سيل و فرسايش خاک - زمستان 1398 )                   جلد 23 شماره 4 صفحات 315-329 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Pourmirza M, Kamanbedast A. Investigation of Local Scour Factors under Pipelines Using Artificial Neural Network Algorithms. JWSS. 2019; 23 (4) :315-329
URL: http://jstnar.iut.ac.ir/article-1-3560-fa.html
پورمیرزا محمد، کمان بدست امیرعباس. بررسی عوامل آبشستگی موضعی زیر خطوط لوله با استفاده از الگوریتم‌های شبکه‌های عصبی مصنوعی. مجله علوم آب و خاک. 1398; 23 (4) :315-329

URL: http://jstnar.iut.ac.ir/article-1-3560-fa.html


1. گروه مهندسی عمران، واحد اهواز، دانشگاه آزاد اسلامی، اهواز ، mohammadp2787@gmail.com
چکیده:   (751 مشاهده)
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 تأثیر عوامل مؤثر 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 نرم‌افزارNeuroSolution5  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 تأثیر هر کدام از پارامتر‌های مؤثر بر آبشستگی مشخص شد که بر اساس آن، پارامتر شیلدز با تأثیری بسیار زیاد (بیش از 95 درصد)، یکی از مؤثرترین عوامل در آبشستگی موضعی در این پژوهش است.
متن کامل [PDF 858 kb]   (97 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: عمومی
دریافت: ۱۳۹۶/۵/۲۸ | پذیرش: ۱۳۹۷/۵/۲۰

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

کلیه حقوق این وب سایت متعلق به مجله علوم آب و خاک دانشگاه صنعتی اصفهان می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2020 All Rights Reserved | JWSS - Isfahan University of Technology

Designed & Developed by : Yektaweb