-
مقاله
1 - بررسی نحوه کارایی موانع نفوذپذیری بر هد جریان غلیظ نمکیفصلنامه علمی مهندسی منابع آب , شماره 4 , سال 14 , پاییز 1400مقدمه: جریانهای غلیظ اغلب عامل اصلی انتقال رسوب در آبهای عمیق و مخازن میباشند. برای جلوگیری از رسوب در مکانهای بحرانی سدها، روشهای مختلفی از جمله قرار دادن موانع در مسیر این جریانها ارائه شده است. روش چکیده کاملمقدمه: جریانهای غلیظ اغلب عامل اصلی انتقال رسوب در آبهای عمیق و مخازن میباشند. برای جلوگیری از رسوب در مکانهای بحرانی سدها، روشهای مختلفی از جمله قرار دادن موانع در مسیر این جریانها ارائه شده است. روش: برایناساس در این مطالعه اثر دبی، غلظت ورودی، شیب و ارتفاع موانع نفوذپذیر ذوزنقهای شکل بر رفتار جریانهای غلیظ نمکی به صورت آزمایشگاهی مورد بررسی قرار گرفته است. 72 آزمایش با دبی متغیر 7/0، 2/1و 7/1 لیتر برثانیه و غلظت متغیر 20 و 25 گرم بر لیتر، شیب 5/0، 1 و 5/1 درصد و ارتفاع مانع 1، 5/1 و 2 برابر بدنه جریان غلیظ انجام شد و براساس شار هد جریان مقادیر درصدکاهش هد تعیین و اثر سایر پارامترها مورد ارزیابی قرار گرفت. یافتهها: نتایج نشان داد که سه پارامتر شیب، غلظت و دبی ورودی عوامل موثر بر مومنتم جریان بوده و با افزایش هر یک از این پارامترها، میزان کارایی موانع با نسبت بیبعد ارتفاع 1 و 5/1 کاهش پیدا میکند اما در مانع با نسبت بیبعد ارتفاع 2 عملکرد مانع بهتر بوده و هنگام برخورد جریان با مانع اغتشاش زیاد ایجاد شده که سبب کاهش چشمگیر هد جریان غلیظ میگردد. نتیجهگیری: به این صورت که نرخ متوسط کاهش شار هد برای نسبت بیبعد ارتفاع 1 در حدود 38 درصد و برای نسبت بیبعد ارتفاع 5/1 در حدود 52 درصد و برای نسبت بیبعد ارتفاع 2 در حدود 86 درصد میباشد. در انتها به برازش خطی و غیرخطی داده های درصد کاهش هد جریان غلیظ پرداخته شد. پرونده مقاله -
مقاله
2 - مدلسازی هوشمند جریان غلیظ نمکی در حضور موانع نفوذپذیرفصلنامه علمی مهندسی منابع آب , شماره 2 , سال 15 , تابستان 1401چکیده
مقدمه : جریان غلیظ یکی از مهمترین عوامل در فرآیند رسوبگذاری سدها میباشد. افزایش رسوب در نزدیک دیواره سد، ظرفیت ذخیره سازی آن را کاهش داده و چالش های قابلت وجهی را برای مهندسین مربوطه ایجاد می­ چکیده کاملچکیده
مقدمه : جریان غلیظ یکی از مهمترین عوامل در فرآیند رسوبگذاری سدها میباشد. افزایش رسوب در نزدیک دیواره سد، ظرفیت ذخیره سازی آن را کاهش داده و چالش های قابلت وجهی را برای مهندسین مربوطه ایجاد میکند. بنابراین درک پویایی سیالات غلیظ و الگوهای رسوبی مرتبط جهت مدیریت مخزن سدها بسیار کارآمد است.
روش : هدف از این تحقیق ایجاد یک مدل هوشمند با تطابق مناسب با داده های آزمایشگاهی بوده تا بتوان از آن در طرح های آتی با متغیرهای متفاوت نیز استفاده نمود. برایناساس در این تحقیق درصد کاهش هد جریان غلیظ نمکی تحت تاثیر موانع نفوذپذیر ذوزنقهای شکل (سنگدانه ها با قطر 1 سانتیمتر)، با در نظر گرفتن متغیرهایی همچون دبی، شیب، غلظت و ارتفاع موانع به صورت آزمایشگاهی مورد بررسی قرار گرفت، سپس براساس نتایج حاصله اقدام به مدلسازی هد جریان غلیظ نمکی با روش شبکه عصبی مصنوعی پیشخور و روش کلاسیک رگرسیون چند متغیره شد و کارکرد این دو روش مورد مقایسه قرار گرفت.
یافته ها : نتایج نشان داد که روش هوشمند شبکه عصبی مصنوعی پیشخور در مدلسازی درصد کاهش هد جریان غلیظ نمکی نسبت به روش رگسیون چند متغیره برتری قابل توجهی دارد بهگونهای که مقادیر رگسیون آموزش، واسنجی و تست به ترتیب 99/0، 0.98 و 98/0 برای شبکه عصبی و 92/0، 0.91 و 91/0 برای رگسیون چند متغیره بدست آمد.
نتیجه گیری : عملکرد شبکه عصبی مصنوعی نسبت به روش رگسیون چند متغیره کارایی بسیار بهتری دارد. پرونده مقاله -
مقاله
3 - مدلسازی رفتار جریان غلیظ با الگوریتمهای یادگیری ماشینفصلنامه علمی مهندسی منابع آب , شماره 4 , سال 15 , پاییز 1401چکیده
مقدمه : جریان چگال یکی از عوامل موثر بر انتقال رسوبات به مخازن سدها می باشد. در این راستا یکی از روش های عملی برای کنترل رسوبات، ایجاد مانع در مسیر این جریان ها میباشد.
روش : در این تحقی چکیده کاملچکیده
مقدمه : جریان چگال یکی از عوامل موثر بر انتقال رسوبات به مخازن سدها می باشد. در این راستا یکی از روش های عملی برای کنترل رسوبات، ایجاد مانع در مسیر این جریان ها میباشد.
روش : در این تحقیق آزمایشگاهی، رفتار جریان چگالی تحت تأثیر موانع استوانهای ساخته شده از چوب با قطر 1.5 سانتیمتر و ارتفاع 30 سانتیمتر (بیش از ارتفاع بدنه جریان چگالی) مورد ارزیابی قرار گرفت. بنابراین با در نظر گرفتن متغیرهایی مانند شیب کف، غلظت و دبی، مقادیر هد جریان غلیظ تعیین شد. همچنین در این مقاله از الگوریتمهای یادگیری ماشین مانند سیستم استنتاج فازی-عصبی تطبیقی و شبکه عصبی مصنوعی برای مدلسازی نتایج استفاده شد.
یافته ها : بر اساس نتایج، هد جریان نمک چگال با استفاده از الگوریتمهای یادگیری ماشینی مانند سیستم استنتاج عصبی فازی تطبیقی و شبکه عصبی مصنوعی مدلسازی انجام شد و عملکرد این دو روش مقایسه شد. نتایج نشان داد که الگوریتمهای یادگیری ماشین در مدلسازی هد جریان نمک چگالی مفید هستند و مقادیر رگرسیون سیستم استنتاج فازی عصبی تطبیقی برای داده های آموزش و آزمون 0.99 و رگرسیون شبکه عصبی مصنوعی به ترتیب 0.94 و 0.91 به دست آمد.
نتیجه گیری : با مقایسه این دو روش مشخص شد که سیستم استنتاج عصبی-فازی تطبیقی در مدلسازی درصد کاهش جریان سر چگالی نسبت به روش شبکه عصبی مصنوعی پیشخور مؤثرتر بوده است. پرونده مقاله