مدل‌سازي رفتار جريان غليظ با الگوريتم‌هاي يادگيري ماشين

مقدمه :  جريان چگال يكي از عوامل موثر بر انتقال رسوبات به مخازن سدها مي باشد. در اين راستا يكي از روش هاي عملي براي كنترل رسوبات، ايجاد مانع در مسير اين جريان ها مي باشد.روش :  در اين تحقيق آزمايشگاهي، رفتار جريان چگالي تحت تأثير موانع استوانه‌اي ساخته شده از چوب با قطر 1.5 سانتي‌متر و ارتفاع 30 سانتي‌متر (بيش از ارتفاع بدنه جريان چگالي) مورد ارزيابي قرار گرفت. بنابراين با در نظر گرفتن متغيرهايي مانند شيب كف، غلظت و دبي، مقادير هد جريان غليظ تعيين شد. همچنين در اين مقاله از الگوريتم‌هاي يادگيري ماشين مانند سيستم استنتاج فازي-عصبي تطبيقي و شبكه عصبي مصنوعي براي مدل‌سازي نتايج استفاده شد.يافته ها :  بر اساس نتايج، هد جريان نمك چگال با استفاده از الگوريتم‌هاي يادگيري ماشيني مانند سيستم استنتاج عصبي فازي تطبيقي و شبكه عصبي مصنوعي مدل‌سازي انجام شد و عملكرد اين دو روش مقايسه شد. نتايج نشان داد كه الگوريتم‌هاي يادگيري ماشين در مدل‌سازي هد جريان نمك چگالي مفيد هستند و مقادير رگرسيون سيستم استنتاج فازي عصبي تطبيقي براي داده هاي آموزش و آزمون 0.99 و رگرسيون شبكه عصبي مصنوعي به ترتيب 0.94 و 0.91 به دست آمد.نتيجه گيري : با مقايسه اين دو روش مشخص شد كه سيستم استنتاج عصبي-فازي تطبيقي در مدل‌سازي درصد كاهش جريان سر چگالي نسبت به روش شبكه عصبي مصنوعي پيش‌خور مؤثرتر بوده است.