• صفحه اصلی
  • مرور
    • شماره جاری
    • بر اساس شماره‌های نشریه
    • بر اساس نویسندگان
    • بر اساس موضوعات
    • نمایه نویسندگان
    • نمایه کلیدواژه ها
  • اطلاعات نشریه
    • درباره نشریه
    • اهداف و چشم انداز
    • اعضای هیات تحریریه
    • اعضای مشورتی هیات تحریریه
    • همکاران دفتر نشریه
    • اصول اخلاقی انتشار مقاله
    • بانک ها و نمایه نامه ها
    • پیوندهای مفید
    • پرسش‌های متداول
    • فرایند پذیرش مقالات
    • اخبار و اعلانات
  • راهنمای نویسندگان
  • ارسال مقاله
  • داوران
  • تماس با ما
 
  • ورود به سامانه ▼
    • ورود به سامانه
    • ثبت نام در سامانه
  • English
صفحه اصلی فهرست مقالات مشخصات مقاله
  • ذخیره رکوردها
  • |
  • نسخه قابل چاپ
  • |
  • توصیه به دوستان
  • |
  • ارجاع به این مقاله ارجاع به مقاله
    RIS EndNote BibTeX APA MLA Harvard Vancouver
  • |
  • اشتراک گذاری اشتراک گذاری
    CiteULike Mendeley Facebook Google LinkedIn Twitter Telegram
علوم و مهندسی آبیاری
مقالات آماده انتشار
شماره جاری
شماره‌های پیشین نشریه
دوره دوره 41 (1397)
شماره شماره 4
شماره شماره 3
شماره شماره 2
شماره شماره 1
دوره دوره 40 (1396)
دوره دوره 39 (1395)
دوره دوره 38 (1394)
دوره دوره 37 (1393)
دوره دوره 36 (1392)
دوره دوره 35 (1391)
دوره دوره 34 (1390)
دوره دوره 33 (1389)
دوره دوره 32 (1388)
شیخی, یاسر, لشکرآرا, بابک, فتحی مقدم, منوچهر, والی پور, مهسا. (1397). تخمین عمق استغراق بحرانی در آبگیرهای افقی منشعب از مخزن با استفاده از روش‌های هوشمند و آماری. علوم و مهندسی آبیاری, 41(3), 171-184. doi: 10.22055/jise.2017.21526.1547
یاسر شیخی; بابک لشکرآرا; منوچهر فتحی مقدم; مهسا والی پور. "تخمین عمق استغراق بحرانی در آبگیرهای افقی منشعب از مخزن با استفاده از روش‌های هوشمند و آماری". علوم و مهندسی آبیاری, 41, 3, 1397, 171-184. doi: 10.22055/jise.2017.21526.1547
شیخی, یاسر, لشکرآرا, بابک, فتحی مقدم, منوچهر, والی پور, مهسا. (1397). 'تخمین عمق استغراق بحرانی در آبگیرهای افقی منشعب از مخزن با استفاده از روش‌های هوشمند و آماری', علوم و مهندسی آبیاری, 41(3), pp. 171-184. doi: 10.22055/jise.2017.21526.1547
شیخی, یاسر, لشکرآرا, بابک, فتحی مقدم, منوچهر, والی پور, مهسا. تخمین عمق استغراق بحرانی در آبگیرهای افقی منشعب از مخزن با استفاده از روش‌های هوشمند و آماری. علوم و مهندسی آبیاری, 1397; 41(3): 171-184. doi: 10.22055/jise.2017.21526.1547

تخمین عمق استغراق بحرانی در آبگیرهای افقی منشعب از مخزن با استفاده از روش‌های هوشمند و آماری

مقاله 13، دوره 41، شماره 3، پاییز 1397، صفحه 171-184  XML اصل مقاله (1064 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22055/jise.2017.21526.1547
نویسندگان
یاسر شیخی1؛ بابک لشکرآرا 2؛ منوچهر فتحی مقدم3؛ مهسا والی پور1
1دانشجوی کارشناسی ارشد مهندسی عمران، دانشگاه صنعتی جندی شاپور دزفول
2استادیار گروه مهندسی عمران دانشگاه صنعتی جندی شاپور دزفول.
3استاد گروه سازه‌های آبی دانشکده مهندسی علوم آب دانشگاه شهید چمران اهواز
چکیده
     آبگیرهای افقی از جمله سازه­های هیدرولیکی هستند که برای آبگیری از رودخانه­ها و مخازن سدها به­ منظور تأمین آب شرب و یا اهداف صنعتی نصب می‌گردند.عمق استغراق جریان در دهانه­ های ورودی این آبگیرها می‌تواند منجر به تشکیل جریان گرداب ‌شود. وقوع جریان گردابی در نتیجه اندرکنش بین عوامل مختلف باعث ایجاد مشکلاتی از جمله لرزش و ورود هوا به تأسیسات وابسته شده و کاهش ضریب تخلیه جریان را به­همراه دارد.بررسی­ها نشان می­دهد که عمق استغراق بحرانی در دهانه‌های آبگیر علاوه بر مشخصات هندسی دهانه آبگیر، به شدت آشفتگی و میزان تغییرات لحظه‌ای خصوصیات جریان نیز وابستگی شدید نشان می‌دهد. در این مقاله تلاش شده است تا با تلفیق نتایج آزمایشگاهی مختلف، دامنه تأثیر پارامترهای مؤثر بر تخمین عمق استغراق بحرانی در آبگیرهای افقی منشعب از مخازن گسترش یافته و در نهایت با اعمال اثر وزن کلیه عوامل هیدرولیکی و هندسی، رابطه‌ای غیر خطی برای تخمین عمق استغراق بحرانی معرفی گردد. نتایج حاصل از مدل پیشنهادی با مدلYildirim و معادله پیشنهادی Gurbuzdal، شبکه عصبی مصنوعی و برنامه­سازی ژنتیک مورد مقایسه قرار گرفته است. نتایج نشان می‌دهد که هرچند نتایج حاصل از شبکه عصبی مصنوعی و برنامه­سازی ژنتیک از دقت بالاتری نسبت به معادله­های پیشنهادی توسط محققین قبلی و تحقیق جاری برخوردارند ولی در بین معادله­ های ارائه شده، سازگاری بهتری بین رابطه پیشنهادی و نتایج آزمایشگاهی ذکر شده وجود دارد.
کلیدواژه‌ها
عمق استغراق بحرانی؛ رگرسیون غیر خطی؛ شبکه عصبی؛ برنامه سازی ژنتیک
موضوعات
سازه های آبی
عنوان مقاله [English]
Critical Submergence Estimation For Horizontal Intakes Derived From Reservoir Using Intelligent and Statistical Methods
نویسندگان [English]
Yaser Sheikhi1؛ Babak Lashkar-Ara2؛ Manoochehr Fathi-moghadam3؛ Mahsa Valipour1
1Msc student, Civil Engineering Department, Jundi-Shapur University of Technology, Dezful, Iran
2Assistant Professor, Civil Engineering Department, Jundi-Shapur University of Technology, Dezful, Iran.
3Professor, Department of Water and Science Engineering, Shahid Chamran University of Ahvaz, Iran.
چکیده [English]
Horizontal intakes are one of the most important parts of hydraulic sets such as rivers for irrigation or reservoirs for power generation and industrial purposes. Air entrainment, by means of a free air-core vortex occurring at intake pipes, is an important problem encountered in hydraulic engineering.
To develop and build the predictive models to estimate the critical submergence for a horizontal intake and evaluate the performance of these models, laboratory or field data are required. Gurbuzdal (2009) and Yildirim et al (2000) carried out an experimental study on critial submergence for horizontal intakes at a hydraulic laboratory. Yildirim et al ( 2000) experiments were performed at rectangular flume with 10m length and 0.5m width. Gurbuzdal (2009) was performed his experiments in a rectangular flume with 2.2m length and 0.63m width.
In this study, equations for estimating critical submergence are developed using experimental data. At first, the equation of present study was determined using dimensional analysis, nonlinear regression and SPSS software. In the next step, the artificial neural network and the genetic programming models were used to investigate the accuracy of the results. At first, a functional predictors for critical submergence using nonlinear regression was proposed. The proposed model includes the effect of relative width, horizontal distance of center point of intake to impervious dead, vertical distance of intake to bottom of canal, velocity and Froude number. Then the results of the proposed model were evaluated and compared with the previous studies. As well, with development of the hydroinformatics the Artificial Neural Network model and the genetic programming model are used. The results of these models are statically compared according to the root mean square error (RMSE), mean percentage error (MPE), standard error of the estimate (SEE), modeling efficiency (EF), correlation coefficient (R2) and The gradient of regression line between results and observations, m, is calculated for evaluating the performance of the model in a way that the intercept of the equation is zero. The results of previous research are used on this equation validation. The predicted results are close to the observations.
کلیدواژه‌ها [English]
Critical Submergence, Nonlinear Regression, genetic programming, neural network
مراجع
آمار
تعداد مشاهده مقاله: 109
تعداد دریافت فایل اصل مقاله: 71
صفحه اصلی | واژه نامه اختصاصی | اخبار و اعلانات | اهداف و چشم انداز | نقشه سایت
ابتدای صفحه ابتدای صفحه

Creative Commons License                                  
This work is licensed under a Creative Commons Attribution 4.0 International License.

 

 

web hit counter

Journal Management System. Designed by sinaweb.