نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد سازه‌های آبی دانشگاه شهید چمران اهواز

2 عضو هیات علمی گروه سازه‌های آبی دانشگاه شهید چمران اهواز

چکیده

یکی از روش­های کاهش خسارت ناشی از کاویتاسیون در سرریز سدها، هوادهی به جریان با استفاده هواده­ها است. جریان هوای مورد نیاز هواده­ها یکی از مهم‌ترین عوامل تأثیرگذار در طراحی آن­ها است. در این پژوهش برای برآورد جریان هوای مورد نیاز هواده سرریز از چهار روش رگرسیون گام به گام، روش تجربی فیشر، شبکه عصبی (مبتنی بر آموزش لونبرگ- مارکواد) و روش ترکیبی فازی- عصبی (انفیس) استفاده شد. به منظور انجام مدل­سازی از 914 داده مربوط به آزمایش‌های انجام‌شده روی مدل هیدرولیکی سرریز سد کلاید دم و 12 داده مربوط به آزمایش‌های صورت گرفته توسط مرکز تحقیقات آب تهران روی مدل هیدرولیکی سد مخزنی آزاد، استفاده شد. پس از برآورد دبی هوای مورد نیاز هواده سرریز با استفاده از روش­های ذکرشده، خطای روش­های مختلف محاسبه گردید و عملکرد آن­ها مورد ارزیابی قرار گرفت. نتایج نشان داد که روش ترکیبی عصبی- فازی با داشتن ریشه میانگین مربعات خطا در حدود 0194/0 و ضریب همبستگی  968/0، بهترین عملکرد را دارا می­باشد. این در حالی است که برای روش­های شبکه عصبی مصنوعی، رگرسیون گام به گام و تجربی فیشر، ریشه میانگین مربعات خطا به ترتیب حدود 0538/0 ، 0596/0 و 98/1 است.

کلیدواژه‌ها

عنوان مقاله [English]

Evaluation of Statistical, Empirical, Neural Networks and Neural – Fuzzy Techniques for Estimation of Spillway Aerators

نویسندگان [English]

  • Amin Mahdavi Meymand 1
  • Javad Ahadiyan 2

چکیده [English]

One way to decreases the damage caused by cavitation in spillways is aeration flow using aerators. The required air flow of aerator is one of the most important factors in their design. In this study, to estimate the required air flow of spillway aerators four methods were applied including of stepwise regression, Pfister empirical method, neural network (based on Levenberg- Marquardt algorithm) and the combination of fuzzy-neural (ANFIS). In order to perform of modeling, 914 experimental data on physical model of Clyde Dam spillway and 12 data of Azad Dam related to conducted tests by Water Research Center on Azad dam hydraulic model were gathered. However, the performance and error of these methods were investigated after calculating the required air flow of aerators. The results showed that the combination of fuzzy-neural has the best performance with a root mean square error (RMSE) and correlation coefficient (R) about 0.0194 and 0.968, respectively. In addition, artificial neural network, stepwise regression and Pfister empirical methods had a root mean square error equal to 0.0538, 0.0596 and 1.98, respectively.

کلیدواژه‌ها [English]

  • Cavitation
  • Aerator
  • Stepwise regression
  • Neural Network
  • Fuzzy Logic