fa بررسی عوامل آبشستگی موضعی زیر خطوط لوله با استفاده از الگوریتم‌های شبکه‌های عصبی مصنوعی عمومی Ggeneral پژوهشي Research <div style="text-align: justify;"><strong><span style="font-family:b lotus;"><span style="font-size:11.0pt;">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 نرم‌افزار</span></span></strong><strong><span dir="LTR"><span style="font-family:times new roman bold,serif;"><span style="font-size:9.0pt;">NeuroSolution5</span></span></span></strong><strong><span style="font-family:b lotus;"><span style="font-size:11.0pt;">&nbsp; ایجاد شد که در این تحقیق از سه مدل </span></span></strong><strong><span dir="LTR"><span style="font-family:times new roman bold,serif;"><span style="font-size:9.0pt;">MLP</span></span></span></strong><strong><span style="font-family:b lotus;"><span style="font-size:11.0pt;">، </span></span></strong><strong><span dir="LTR"><span style="font-family:times new roman bold,serif;"><span style="font-size:9.0pt;">GFF</span></span></span></strong><strong><span style="font-family:b lotus;"><span style="font-size:11.0pt;"> و </span></span></strong><strong><span dir="LTR"><span style="font-family:times new roman bold,serif;"><span style="font-size:9.0pt;">RBF</span></span></span></strong><strong><span style="font-family:b lotus;"><span style="font-size:11.0pt;"> استفاده شد و پس از مقایسه این سه مدل با یکدیگر، مدل </span></span></strong><strong><span dir="LTR"><span style="font-family:times new roman bold,serif;"><span style="font-size:9.0pt;">MLP</span></span></span></strong><strong><span style="font-family:b lotus;"><span style="font-size:11.0pt;"> 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.</span></span></strong><strong><span style="letter-spacing:-.3pt;"><span style="font-family:b lotus;"></span></span></strong></div> <div style="text-align: justify;">Occurrence of local scour is one of the most significant causes of damage to the pipes. Therefore, safe and economical design of pipes in the flow path requires a good estimate. In this study, based on the important and effective parameters in the scouring phenomenon, in order to develop educational patterns according to the data obtained in the laboratory of Ahvaz Islamic Azad University, models based on artificial neural networks were created with the NeuroSolution5 software. MLP, GFF and RBF were the models used in this study; after comparing, MLP was selected as the basis for our study. Finally, the effect of each parameter on scouring was determined using the&nbsp; artificial neural networks technique, based on which the&nbsp; shields parameter with a very high effect (more than 95 percent) was determined as one of the most effective causes of the local scour.</div> آبشستگی, شبکه عصبی مصنوعی, نرم افزار NeuroSolution5, مدل پرسپترون چند‌لایه (MLP), پارامتر شیلدز Scour, Artificial neural network, NeuroSolution5 software, Multilayer Perceptron Model (MLP), Shields Parameter 315 329 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-3756-1&slc_lang=fa&sid=1 M. Pourmirza محمد پورمیرزا mohammadp2787@gmail.com Yes 1. Department of Civil Engineering, Ahvaz Branch, Islamic Azad University, Ahvaz, Iran. 1. گروه مهندسی عمران، واحد اهواز، دانشگاه آزاد اسلامی، اهواز A. Kamanbedast امیرعباس کمان بدست ka57_amir@yahoo.com No 2. Department of Water Science and Engineering, Ahvaz Branch, Islamic Azad University, Ahvaz, Iran. 2. گروه علوم و مهندسی آب، واحد اهواز، دانشگاه آزاد اسلامی، اهواز