بررسي استهلاك انرژي ناشي از بكارگيري صفحات مشبك قائم در پايين دست شيب‌شكن‌هاي مايل با روش تركيبي عصبي – فازي تطبيق‌پذير

The Study of Energy Dissipation Due to the Use of Vertical Screen in the Downstream of Inclined Drops by Adaptive Neuro-Fuzzy Inference System (ANFIS)

مطالعه حاضر با هدف بررسي استهلاك انرژي ناشي از بكارگيري صفحات مشبك به صورت قائم با دو نسبت تخلخل در پايين­ دست شيب­ شكن­هاي مايل با سه زاويه متفاوت، دو ارتفاع شيب شكن و محدوده­ي دبي 200-700 ليتر بر دقيقه با بررسي 140 مدل آزمايشگاهي مختلف انجام شد. نتايج نشان داد كه استفاده از صفحات مشبك منجر به افزايش حداقل 407 و حداكثر 903 درصدي راندمان استهلاك انرژي نسبي كل، نسبت به شيب­ شكن مايل ساده شد. روابطي براي تخمين استهلاك انرژي نسبي ناشي از بكارگيري صفحات مشبك قائم در پايين­ دست شيب­ شكن هاي مايل با معيارهاي ارزيابي قابل قبول ارائه گرديد. همچنين سهم هر كدام از سيستم­هاي مستهلك كننده انرژي (سازه و جريان) ارائه شد. در ادامه از مدل­هاي هوشمند، شبكه عصبي مصنوعي (ANN) و عصبي – فازي تطبيق­ پذير (ANFIS) براي تخمين استهلاك انرژي نسبي با استفاده از 3 پارامتر θ، P و z∆yc/ با استفاده از معيارهاي ارزيابي مورد مقايسه قرار گرفت نتايج تحقيق نشان داد مدل عصبي – فازي تطبيق­پذير با مقادير R2 و RMSE به ترتيب برابر با 996/ 0و 0/006 نسبت به مقادير مدل شبكه عصبي مصنوعي به ترتيب برابر 0/992 و 0/008 از قابليت بالائي در تخمين استهلاك انرژي نسبي برخوردار مي ­باشد.

The aim of the current study, investigate the energy dissipation of the use of the vertical screen with two porosity ratios downstream of the inclined drop with three different angles, two heights of the drop, and the range of 200-700 l/min with an analysis of 140 laboratory models. The results revealed that the use of screens caused by an increase of at least 407% and a maximum of 903% of total relative energy dissipation efficiency to the plain inclined drop. The equations were presented to estimate the relative energy dissipation due to the use of a vertical screen downstream of the inclined drop with acceptable assessment criteria. Also, the contribution of each of the energy dissipation systems was presented. Then, intelligent models, Artificial neural network (ANN), and adaptive neuro-fuzzy inference system (ANFIS) were compared to estimate the relative energy dissipation using three parameters θ, P, and yc/∆z using evaluation criteria. The values of R2 and RMSE for the ANFIS model, were 0.996 and 0.006, respectively, and for the ANN model were 0.992 and 0.008 respectively, which revealed the higher accuracy of the ANFIS model in the estimation of the relative energy dissipation than the ANN.