ارزيابي مدلهاي شبكه عصبي مصنوعي در پيش بيني عمق آب شستگي جت هاي افقي مستغرق

آب شستگي يكي از اصلي ترين عوامل مخرب در سازه هاي آبي بوده و با توجه به تأثير اين پارامتر در ميزان كارآيي و عمر مفيد پروژه هاي آبي، پيش بيني و كنترل آن از هدر رفت سرمايه هاي ملي جلوگيري مي نمايد. اگرچه جهت توصيف اين پديده معادلات تئوري و تجربي ارزشمندي ارائه شده است، ولي بررسي امكان كاربرد روش شبكه هاي عصبي مصنوعي در پيش بيني مشخاصت ان به خصوص در مورد جت هاي افقي، مي تواند در صرفه جويي وقت و هزينه هاي مطالعات بسيار مؤثر باشد. در تحقيق حاضر شبكه هاي عصبي مصنوعي به منظور پيش بيني عمق آب شستگي ناشي از جت هاي افقي بكار گرفته شد. داده هاي مورد نياز از مدل آزمايشگاهي كه طي همين تحقيق طراحي و اجرا شد به دست آمد. در مدل شبكه عصبي مصنوعي تهيه شده، مشخصات هيدروليكي جريان به عنوان ورودي مدل و در مقابل حداكثر عمق آب شستگي به عنوان پارامتر خروجي لحاظ شد. شبكه عصبي تهيه شده يك شبكه سه لايه پيش رو بوده كه براي رسيدن به آن، در مرحله آموزش و انتخاب نهايي از الگوريتم هاي مختلف بر مبناي حداقل ميانگين مربعات خطا استفاده شد. همچنين نشان داد كه مدل هاي شبكه عصبي مصنوعي با دقت بسيار بالا و قابل قبولي توانايي تخمين و پيش بيني مقادير عمق آب شستگي را بر اساس مشخصات هيدروليكي جريان دارد.