تحلیل حساسیت عوامل مؤثر در هوادهی سرریز با استفاده از روش‌های هوشمند مصنوعی و ANFIS

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد سازه‌های آبی، دانشکده علوم آب، دانشگاه شهید چمران اهواز،

2 استایار گروه سازه‌های،دانشکده علوم آب، دانشگاه شهید چمران اهواز

3 دانشجوی کارشناسی ارشد عمران آب، دانشکده مهندسی، دانشگاه شهید چمران اهواز

چکیده

هوادهی به جریان عبوری از سرریزها توسط هواده­ها یکی از روش­های مؤثر در کاهش دادن خسارت ناشی از کاویتاسیون در این سازه­ها می­باشد. در این تحقیق جهت برآورد هوای مورد نیاز هواده­ها از سه روش­ شبکه عصبی مصنوعی (مبتنی بر الگوریتم لونبرگ- مارکواد)، ترکیبی عصبی- فازی (ANFIS) و رابطه تجربی فیشر استفاده شد. پارامتر‌های h0 (عمق جریان در ابتدای سیستم هواده)، Qwater (دبی جریان عبوری از سریز)، s (ارتفاع پله)، α (زاویه رمپ) و hs (اختلاف فشار بین اتمسفر و فشار زیر جت جریان عبوری از روی سیستم هواده) به‌عنوان عوامل مؤثر بر میزان جریان هوای مورد نیاز هواده در نظر گرفته شدند و مدل­سازی بر اساس این پارامترها صورت گرفت. نتایج مدل­سازی نشان داد که در صورت در نظر گرفتن همه پارامترها روش ANFIS نسبت به دو روش دیگر عملکرد مطلوب­تری دارد. نتایج تحلیل حساسیت نشان داد که پارامتر اختلاف فشار مهم‌ترین پارامتر در مدل­سازی با استفاده از هر دو روش عصبی و ANFIS است به گونه­ای که در اثر حذف شدن این پارامتر در مدل­سازی، ریشه میانگین مربعات خطا برای روش­های شبکه عصبی و ANFIS به ترتیب در حدود 54/37 و 74/224 درصد افزایش می­یابد. درصد افزایش ریشه میانگین مربعات خطا در اثر حذف شدن پارامتر ارتفاع پله برای روش شبکه عصبی و ANFIS به ترتیب در حدود 39/5 و 4/13 درصد می­باشد که کمترین مقدار را در بین­ سایر پارامترها داشت و به‌عنوان کم اهمیت­ترین پارامتر در مدل­سازی با استفاده از هر دو روش شناخته شد.

کلیدواژه‌ها


عنوان مقاله [English]

ANFIS and Neural Network Methods to Sensitivity Analysis of the Factors in Aerated Spillway

نویسندگان [English]

  • Amin Mahdavi ,ey,and 1
  • Javad Ahadiyan 2
  • mohammad ehteram 3
1 Master of science student, water structures, Faculty of Water Science Engineering, shahid chamran university
2 Assistant Professor, Water engineering department, Faculty of Water Science Engineering, shahid chamran university
3 Master of science student, civil engineering, shahid chamran university:
چکیده [English]

Aeration is one of the methods to reduce the cavitation damaged in spillways. The Aerators are designed in order adding air to flow. In this study, to estimate the required aerators air demand, three methods: neural network (based on Levenberg- Marquardt algorithm), ANFIS and the Fisher's experimental method was used. The parameters flow depth at the  aeration system, flow discharge, Step height, Ramp angle and The pressure difference between atmospheric pressure and  pressure under the flow jet in order to modeling was used. The Modeling results show that ANFIS method has better performance than the other two methods. In neural networks and ANFIS methods the pressure difference has the greatest impact on modeling.  If this parameter is omitted in the modeling, root mean square error for ANN 37.54 and ANFIS 224.74 percent increases. In ANN and ANFIS methods Step height has the Minimum impact on modeling. If Step height parameter omitted in the modeling, root mean square error for ANN 5.39 and ANFIS 13.4 percent increases.

کلیدواژه‌ها [English]

  • Aerated
  • ANFIS
  • Neural Network
  • Sensitivity

1- بهرامی، ا. و غ.ع. بارانی. 1387. بررسی عوامل مؤثر در هوادهی ونقش هواده­ها در جلوگیری از کاویتاسیون در سرریز سدها. سومین کنفرانس مدیریت منابع آب، دانشگاه تبریز.

2- ذونعمت کرمانی، م. و ا. مهدوی میمند. 1391. مقایسه عملکرد روش‌های تجربی، روش‌های مبتنی بر رگرسیون خطی و هوشمند غیرخطی در شبیه‌سازی میزان هوادهی جریان تخلیه کننده‌های تحتانی. یازدهمین کنفرانس هیدرولیک ایران. دانشگاه ارومیه.

3- زمانیان، م.، ا.ر. فتاحی و ف. حسین­پور. 1391. پیش­پردازش پارامترهای ورودی به شبکه عصبی مصنوعی و سیستم انتنتاج تطبیقی عصبی- فازی با استفاده از رگرسیون گام به گام و گاما تست به منظور تخمین تبخیر. فصلنامه علمی و پژوهشی مهندسی آبیاری و آب، سال سوم، شماره نهم، ص 63-76.

4- کاویانپور، م.ر. و ا. رجبی. 1384. کاربرد شبکه عصبی در بهینه سازی هوادهی تخلیه کننده های خروجی. تحقیقات منابع آب ایران، جلد 1، شماره 3، ص 1-8.

5- گوهر­ریزی، ف. و م. اژدری مقدم. 1390. بررسی آسیب ناشی از خلا‌زایی با استفاده از منطق فازی. مجله پژوهش آب ایران. دوره  5، شماره 8، صفحه 107-116.

6- Chanson, H. 1988. Study of Air Entrainment And Aeration Devices on Spillway Model, Graduate Theses and Dissertations, University of Canterbury New Zealand, 111p.

7- Colgate, D. and R. Elder. 1961. Design Considerations Regarding Cavitation in Hydraulic Structures. Tenth Hydraulics Division Conference, American Society of Civil Engineers, Urbana, IL.

8- Fadaei Kermani, E., G.A. Barani and M. Ghaeini-Hessaroeyeh. 2013. Investigation of Cavitation Damage Levels on Spillways. World applied Sciences Journal. 21(1): 73-78.

9- Falvey, H.T. 1990. Cavitation in Chutes and Spillways. Engineering Monograph 42. US Bureau of Reclamation, Denver, Colorado. 145P.

10- Falvey, T. and A. Ervined. 1988. Aeration in jets and high velocity flows. Proceedings of the International Symposium on Model-Prototype Correlation of Hydraulic Structures, American Society of Civil Engineers/ International Association for Hydraulic Research, Colorado Springs, CO, August 9- 11. 25-55.

11- Falvey, H.T. 1983. Prevention of cavitation on chutes and spillways. Massachusetts Institute of Technology, Cambridge. Frontiers in hydraulic engineering. 432-437

12- Jain, W. and L. Chao. 2011. Effects of Entrained Air Manner on Cavitation Damage. journal of Hydrodynamics. 23(3): 333-338.

13- Jang J. S. R. 1993. ANFIS: Adaptive-Network Based fuzzy inference system. IEEE Trans system, Man, Cybernetic. 23 (3): 665-685.

14- Kells, A.J and C.D. Smith. 1991. Reduction of cavitation on spillways by induced air entrainment. CAN. J. CIV. ENG. 18: 358-377

15- Kokpinar, M. A. and M. Gogus. 2002. High-speed jet flows over spillway aerators. Canadian Journal of Civil Engineering, 29(6): 885-898.

16- Kramer, K., W. Hager and H.E. Minor. 2006. Development of Air Concentration on Chute Spillways, journal of hydraulic engineering. 132(9): 908-915.

17- Lee, W. and J.A. Hoops. 1996. Prediction of Cavitation Damage for Spillways. Journal of  Hydraulic Engineering.122(9): 481-488.

18- McCulloch, W.S and W.A. Pitts. 1943. Logical calculus of the ideas immanent in nervous activity. Bull Math Biophys. 5: 115–133.

19- Najafi M.R. Z. Kavianpour, B. Najafi, M.R. Kavianpour and H. Moradkhani. 2012. Air demand in gated tunnels – a Bayesian approach to merge various predictions. Journal of Hydroinformatics. 14(1): 152-166.

20- Peterka, A.J. 1953. The effect of entrained air on cavitation pitting. Proceedings of Minnesota International Hydraulic Convention. USA.

21- Pfister, M. 2011. Chute Aerators: Steep Deflectors and Cavity Subpressure. journal of hydraulic engineering. 137(10): 1208-1215.

22- Pfister, M. and W.H. Hager. 2010. Chute aerators II: Hydraulic design. journal of hydraulic engineering. 136(6): 360–367.