بخشی از مقاله
چکیده
تعیین ارتباط بین عمق بحرانی و عمق جریان در لبه شیبشکنهای قائم با جریان زیربحرانی در بالادست آن یکی از مسائل مهم و مورد توجه مهندسان هیدرولیک بوده است. اگر ارتباط بین این دو عمق بخوبی برآورد شود، از این سازه میتوان به عنوان ابزار اندازهگیری دبی جریان درکانالهایآبیاری استفاده نمود. تاکنون تحقیقات فراوانی برای یافتن ارتباط میان این دو عمق صورت پذیرفته است.
در این تحقیقات معمولا سعی شده است با اندازهگیریهای آزمایشگاهی، منحنی مناسبی بر دادههای حاصل برازش داده شود. لیکن، معمولاﹰ ارتباط این دومتغیر بهصورت خطی در نظرگرفته میشود وهمین موضوع موجب ایجاد خطا درتخمین دبیجریان می گردد. دراین مقاله سعیشده استبا تبیین ویژگیهای شبکههای عصبی مصنوعی، شبکهای از نوع پرسپترون چند لایه با قانون یادگیری پسانتشار خطا برای بازیابی نگاشت غیرخطی میان الگوهای مستقل دادهها و متغیرهای وابسته طراحی گردد که به کمک آن، امکان تخمین هوشمند دبی جریان میسرگردد. نتایج حاصل نشان میدهد که انطباق خوبی بین مقادیر پیشبینی شده دبی ناشی ازشبکه عصبی مصنوعی و دادههای آزمایشگاهی وجود دارد.
علاوه بر این، استفاده از شبکه عصبی مصنوعی نیز میتواند شیبشکن را به عنوان ابزاری برای اندازهگیری دبی جریان در سیستمهای انتقال آب و شبکههای آبیاری مطرح سازد.
١- مقدمه
شیب شکنها سازههایی هستندکه درکانالهای آبیاری وسیستمهای انتقال آب کاربرد فراوانی دارند. این سازه درمواردی که شیب زمین از شیب مجاز طراحی کانال بیشتر شود، مورد استفاده قرار میگیرد؛ ضمن اینکه میتوان ازآن به عنوان ابزار اندازهگیری دبی جریان نیز بهره برد]١.[ بدین منظور لازم است عمق بحرانی جریان محاسبه یااندازهگیری شود. درشیب شکنهای قائم مستطیلی باجریان زیربحرانی دربالادست، عمق بحرانی برروی لبه شیب شکن رخ نمیدهد. این عمق پیش ازرسیدن به لبه تشکیل شده و به همین دلیل تعیین محل وقوع واندازهگیری آن مشکل است. شکل - ١ - نمایی از پروفیل جریان برروی شیبشکن و محل تقریبی وقوع عمق بحرانی را نشان می دهد.
شکل ١ نمایی از پروفیل جریان برروی شیب شکن قائم
با تعیین ارتباط میان عمق بحرانی آب وعمق جریان در لبه شیب شکن میتوان دبی جریان را با استفاده ازاندازهگیری مستقیم عمق آب درلبه شیب شکن محاسبه نمود. تاکنون تحقیقات فراوانی برروی عمق آب در لبه شیبشکن به منظور برآورد دبی جریان انجام شده است.
مطالعات فوقالذکر برروی جریان زیربحرانی درکانالهایی بامقاطع مختلف بهلحاظ هندسی و زبریهای متفاوت انجام شده است. طبق این مطالعات مشاهده میشودکه تعیین ارتباط میان عمق آب درلبه شیب شکن و عمق بحرانی و یافتن تابع حاکم بر فضای نگاشتی آنها از زمینههایی است که سالیان متمادی موضوع پژوهش محققان مختلف بوده است. در این پژوهشها سعی بر آن بوده تا رابطهای بین دبی جریان و پارامترهای عرض، ارتفاع پله و… در شیبشکن به دست آورده شود. معمولاﹰ همه روشهای مختلفی که تاکنون برای حل اینمسأله به کارگرفته شده، به دلیل سادهسازیهای مختلف، روابطی تقریبی را ارائه کردهاند که هرچند پاسخگوی مسأله خاصی بوده، اما امکان بهرهبرداری ازآن رابطه در شرایط دیگر را بسیار محدود می سازد.
با توجه بهمشکلات موجود میتوان ازروشهای نوین پردازشی برای حل این مسأله اقدام نمود. یکی از روشهای نو ظهور درحل مسائل مهندسی، روش شبکه عصبی مصنوعی است. در این مقاله سعی شده است مسأله تخمین دبی جریان با استفاده ازشبکه عصبی مصنوعی مدلسازی شود. شبکههای عصبی مصنوعی به علت دارا بودن ویژگیهای خاصی قادرند که مقدار دبی را بدون استفاده از فرمولها و روابط تابعی محاسبه نمایند.
٢- شبکه عصبی مصنوعی
درسالیان اخیر شاهد حرکتی مستمر ازتحقیقات صرفاﹰ نظری به تحقیقات کاربردی بخصوص در زمینه پردازش اطلاعات برای مسائلیکه برای آنها راه حل صرفاﹰ تحلیلی وجودندارد ویا براحتی قابل حل نیستند، بودهایم. یکی از روشهای جدید در حل مسائل مهندسی، روش شبکه عصبی مصنوعی است. در این روش سعیمیشود براساس روابطذاتی میان دادهها، نگاشتی غیرخطی بین متغیرهای مستقل ووابسته برقرارگردد.
این شیوه در مسائل مختلفی در حیطه مهندسی عمران نیزبهکار گرفته شده است و نتایج رضایت بخشی نیز به همراه داشته است.
ایده اصلی شبکههای عصبی مصنوعی بر مبنای شبیهسازی عملکرد مغز انسان بوده و قادر است که در مقیاس خیلی کوچک مانند شبکههای زیستی یادگیری داشته باشد و این یادگیری را تعمیم دهد. مهمترین بخش یک شبکه زیستی نرون است. نرونها سلولهای تشکیل دهنده دستگاه عصبی انسان هستند. شبکه عصبی مصنوعی پرسپترون چند لایه با پیوند پیشرو ازتعداد زیادی گره و پیوندهای جهتدار که گرهها را به هم ارتباط میدهد، تشکیل شده است. گرههایی که در لایه ورودی هستند، نرونهای حسی و گرههای لایه خروجی نرونهای پاسخدهندهاند. بین نرونهای ورودی وخروجی، نرونهای نهانی قراردارند.
اطلاعات از طریق گرههای ورودی به شبکه وارد وسپس از طریق اتصالات به لایههای نهانی منتقل شده و درنهایت خروجی شبکه ازگرههای لایههای خروجی به دست میآید. براساس ترکیب مختلف نرونها واعمال قوانین مختلف یادگیری شبکههای مختلفی تشکیل میشوند. درلایههای مخفی میتوان ازنرونهای غیرخطی با تابع تحریک سیگمویید یا تانژانت هیپربولیک و یا هرتابع غیرخطی پیوسته ومشتق پذیر دیگری استفاده کرد. همچنین در لایه های ورودی و خروجی معمولاﹰ از تابع آستانه خطی استفاده میشود
٣- تبیین مسأله
دراین تحقیق هدف، تعیین دبی جریان در شیب شکنهای قائم با جریان زیربحرانی بااستفاده از اندازه-گیری مستقیم عمق جریان در لبه شیب شکن می باشد. بدین منظور لازم است متغیرهای تأثیرگذار بر مسأله شناسایی شوند. از متغیرهای اثرگذار بر دبی جریان میتوان به عمق بحرانی جریان، عرض کانال و ارتفاع شیب شکن اشاره نمود. اکثر پژوهشگران برای تخمین دبی جریان در شیب شکن از رابطه خطی بین عمق جریان در لبه شیب شکن - - yo و عمق بحرانی - - yc استفاده نموده اند.
