پيش بيني پارامترهاي جهش هيدروليكي واگرا در شيب كف معكوس با استفاده از شبكه عصبي مصنوعي

در اين تحقيق يك رهيافت شبكه عصبي مصنوعي ANN)با ساختار پرسپترون چند لايه براي پيش بيني نسبت عمق ثانويه و طول نسبي جهش هيدروليكي واگرا در مقطع مستطيلي با شيب كف معكوس كه به جهت عدم امكان رابطه تئوري صريح براي برآورد پارامترهاي جهش، ازحالت هاي خاص و پيچيده جهش هيدروليكي مي باشند، بكار گرفته شده است. براي اين منظور آزمايش هايي بر روي مدل آزمايشگاهي حوضچه آرامش و در دامن هاي از زواياي واگرايي (صفر ،3و5و7و10 و شيبهاي معكوس كف صفر، 2/3، 4/1 و 5/6 و 8انجام پذيرفته و پارامترهاي اصلي جهش شامل عمق ثانويه، طول جهش و افت نسبي انرژي اندازه گيري گرديدند. در مجموع تعداد 152 سري داده آزمايشگاهي شامل عمق ثانويه وطول جهش در گستره زواياي واگرايي و شيب هاي كف براي آموزش و صحت يابي شبكه عصبي مورد استفاده قرار گرفت. در توسعه مدلANN ده ساختار پرسپترون چندلايه، با تعداد لايه هاي پنهان و نرون هاي مختلف، مورد ارزيابي قرار گرفتند