بررسي امكان استفاده از مدل‌هاي هوشمند فازي براي برآورد عمق ثانويه و طول غلتاب پرش هيدروليكي نوع B

An Assessment of Using Intelligence Fuzzy Models to Tstimate the Sequent Depth and Roller length of B-type Hydraulic Jump

پرش هيدروليكي نوع B پرشي است كه روي سطح شيبدار با شيب مثبت يك شوت تحت شرايط خاص اتفاق مي­ افتد، به گونه ­اي كه تعيين عمق ثانويه و طول غلتاب در آن براي حفاظت از سازه ­هاي ساخته شده و جلوگيري از آبشستگي ضروري است. دراين پژوهش كاربرد دو روش هوشمند سامانه استنتاج فازي و فازي - عصبي بحث و بررسي شده است. براي مد­­ل ­سازي از داده­ هاي آزمايشگاهي استفاده و كد نويسي در محيط نرم افزار متلب انجام شد. از الگوريتم تكرار شونده براي بهينه نمودن هردو مدل استفاده شد. نتايج نشان داد كه الگوريتم تكرار شونده كه براي بهينه­ سازي در هردو مدل استفاده گرديد، سبب كارايي بهتر مدل­ ها شد. روش­هاي مورد استفاده در اين تحقيق توانايي پيش ­بيني مشخصات پرش هيدروليكي را با دقت قابل قبول دارا هستند و نسبت به مد ل­هاي فيزيكي و روش­هاي تجربي با توجه به پيچيده بودن شرايط از لحاظ زمان و هزينه براي پيش­بيني مناسب­ ترند. از نتايج ديگر اين پژوهش انعطاف پذيري بالاي مدل فازي – عصبي نسبت به سامانه استنتاج فازي است. همچنين مي­ توان به دقت بالاتر مدل فازي- عصبي نسبت به سامانه استنتاج فازي اشاره نمود. با توجه به ارزيابي دو مدل سامانه استنتاج فازي و مدل فازي – عصبي تطبيقي استفاده شده در اين تحقيق شاخص ­هاي ارزيابي­ براي پيش­ بيني عمق ثانويه پرش و طول غلتاب با جذر ميانگين مربعات خطا 0/014 و ضريب تعيين 0/997 براي عمق ثانويه و جذر ميانگين مربعات خطاي 0/033 و ضريب تعيين 0/983 براي طول غلتاب نشان مي­ دهد كه مدل فازي - عصبي، مدلي مناسب براي پيش­ بيني پارامتر­هاي پرش هيدروليكي مي­ باشد.

Development of irrigation and drainage networks is known as one of the most effective approaches for the optimal use of limited water resources (Abbasi., 2011). But many of the constructed networks suffer from different problems which raised from different reasons. Rahimi et al. (2011) categorized these reasons as; poor design, improper construction operation, low quality of construction materials, poor operation and maintenance, and geotechnical problems of the subgrade materials. Stilling basins are commonly used structures in order to dissipate the energy in downstream of chutes. In general, a hydraulic jump would be created at the end of the chute. The B-type hydraulic jump takes place on the positively inclined plane of a chute under particular conditions. In this condition, determination of the secondary depth and the length of the roller is essential for protecting the structures. Since there is no proper analytical method to solve the momentum equation for the mentioned condition, using of different smart techniques such as artificial intelligence was considered recently. Caralo et al. (2011) developed different models for determination of the flow characteristics for B-type hydraulic jump. Dusan etal. 2012 presented a neo- Fuzzy system for predicting the weir coefficient. Akib etal. (2014) predicted the scouring depth by using of neo- Fuzzy system. Azamathulla et al. (2012) developed a neo-fuzzy system for prediction of the sediment transport. In this research, the application of two intelligence methods including Neuro - Fuzzy Inference System and fuzzy inference system were investigated.