| بررسی عمق آبشستگی خطوط لوله عبوری از رودخانه با استفاده از ANN |
| کد مقاله : 1116-IHA |
| نویسندگان |
|
توحید امیدپور علویان *1، آرش فرجی2، مهدی ماجدی اصل3 1دانشجوی دکترا آب و سازه های هیدرولیکی دانشگاه مراغه 2دانشجوی کارشناسی ارشد دانشگاه مراغه 3دانشیار دانشگاه مراغه - گروه مهندسی عمران، دانشگاه مراغه، مراغه، ایران |
| چکیده مقاله |
| آبشستگی (Scour) پدیده‌ای است که در اثر جریان آب، مواد بستر رودخانه یا کانال از اطراف سازه‌هایی مانند خطوط لوله عبوری برداشته می‌شوند. این فرسایش موضعی می‌تواند به تخریب بستر و کاهش پایداری خطوط لوله منجر شود. خطرات ناشی از آبشستگی شامل ناپایداری و شکست سازه‌ها، آسیب به زیرساخت‌ها، نشتی یا پارگی لوله‌ها و در موارد بحرانی حتی منجر به فجایع زیست‌محیطی و اقتصادی می‌شود. مدیریت صحیح و پیش‌بینی دقیق عمق آبشستگی برای جلوگیری از این مخاطرات بسیار حائز اهمیت است. در این پژوهش، کارایی روش شبکه عصبی مصنوعی (ANN) برای پیش‌بینی عمق آبشستگی مورد ارزیابی قرار گرفته است. به منظور اعتبارسنجی این روش از 36 مجموعه داده آزمایشگاهی استفاده شده است. پارامترهای هندسی و هیدرولیکی مورد بررسی شامل (〖ds〗_max/D.e/D.y/D.Fr.L/D) می‌باشد. نتایج حاصل از روش شبکه عصبی مصنوعی(Artificial Neural Network – ANN) در مرحله آموزش وآزمون ترکیب برتر (ترکیب اول) نشان داد که شاخص‌های ارزیابی DC، RMSE و R2 به ترتیب برابر است با 9932/0، 0272/0، 9925/0، 8959/0، 1180/0، 8925/0که این نتایج حاکی از آن است که ترکیب برتر (ترکیب اول) خروجی بهینه‌تری نسبت به سایر ترکیبات ارائه داده و دقت بالای روش ANN در پیش‌بینی عمق آبشستگی را تأیید می‌کند. علاوه بر این، تحلیل حساسیت نشان داد که پارامتر (e/D) بیش‌ترین تأثیر را در تعیین عمق آبشستگی در مقایسه با سایر پارامترها دارد. |
| کلیدواژه ها |
| آبشستگی، آنالیز حساسیت، خطوط لوله، شبکه عصبی مصنوعی(ANN) |
| وضعیت: پذیرفته شده مشروط برای ارائه به صورت پوستر |
