توضیحات
خلاصه
معادلات حاکم بر جریان هاي غیردائمی، معادله پیوستگی و ممنتوم میباشند که به دلیل نبود راه حل هاي تحلیلی در اکثر موارد، باید از روشهاي عددي استفاده کرد. در این مقاله ابتدا شبکه عصبی مصنوعی پرسپترون چندلایه (MLP) معرفی شده است. سپس معادلات دینامیکی حرکت موج سیلاب رودخانه فرضی توسط دو الگوي تفاضل محدود حل شده و تأثیر پارامترهاي مختلف بر هیدروگراف سیل در دو مقطع از رودخانه مورد بررسی قرار گرفته است. همزمان با حل این معالات، حرکت موج سیلاب با شبکه MLP مدلسازي و با نتایج قبلی مقایسه شده که توانایی بسیار خوب شبکه عصبی در پیشبینی نتایج مشهود است.
مقدمه
شبکه هاي عصبی طی بیست سال اخیر پیشرفت چشمگیري داشته است. تحقیقات اولیه برنامه ریزي این دانش از اواسط قرن 19میلادي توسط پارلف و لوریا آغاز شد و سپس توسط دانشمندانی همچون ویلیام جیمز در قرن 19میلادي، مک کلو و پیتس در سال ،1943هب در سال ،1949فرانک روزن بلات در سال ،1958ویدرو، مینسکی و پاپرت در اواسط دهه شصت میلادي، هاپفیلد رامل هارت و مک کللند در سالهاي 1982تا ،1985تا امروز ادامه یافت . شبکه هاي عصبی مصنوعی برخلاف مدل هاي ریاضی نیازي به تعیین رابطه ریاضی بین ورودي ها و خروجی ها ندارند تاریخچه بررسی جریان غیر دائمی و غیر یکنواخت به سال 1871میلادي برمیگردد که سنت ونانت در ژورنال آکادمی علوم فرانسه مقاله اي منتشر کرد که طی آن تئوري جریان ناپایدار را در کانال هاي باز بررسی کرده و معادلات مربوطه را بدست آورد. با توجه به اینکه حل معادلات سنت ونانت با روش هاي تحلیلی امکانپذیر نمیباشد تلاش هاي زیادي براي حل معادلات فوقالذکر با روش هاي عددي انجام شده است. در سال 1956اولین روش عددي براي حل معادلات جریان ناپایدار توسط استوکر و همکاران ابداع شد و روش صریح شبکه ثابت نام گرفت. بعد از آن چندین الگوي تفاضل محدود صریح براي آنالیز جریان غیر دائم در کانال هاي باز مورد استفاده قرار گرفته اند. الگوي عددي لکس یکی از الگوهاي صریح تفاضل محدود میلاشد که با اندکی تغییر در الگویی به نام الگوي ناپایدار حاصل شده است و نتایج قابل قبولی را براي مهندسی هیدرولیک ارائه میدهد. الگوي عددي مک کورمک یکی دیگر از الگوهاي صریح تفاضل محدود میباشد که جهت محاسبه جریان در کانال هاي باز مورد استفاده قرار گرفته است . در تحقیق حاضر ابتدا از شبکه عصبی مصنوعی پرسپترون چند لایه جهت پیش بینی روند حرکت موج سیلاب در اثر ضریب زبري، شیب بستر و عرض رودخانه بهره گرفته شده است. سپس معادلات سنت ونانت به کمک الگوهاي لکس و مککورمک در یک رودخانه عریض مستطیلی براي مقادیر مختلف ضریب زبري، شیب بستر و عرض رودخانه حل شده و نتایج حاصله با نتایج حاصل از مدلسازي شبکه عصبی مصنوعی مقایسه شد.
ABSTRACT
The governing equations for non-descriptive currents are the continuity and maturity equations. In the majority of cases, numerical methods should be used because of the absence of analytical solutions. In this paper, the Multilayer Perceptron Artificial Neural Network (MLP) was first introduced. Dynamic equations of the flood wave propagation wave are solved by two finite difference models and the effect of different parameters on flood hydrograph in two sections of the river has been investigated. At the same time solving these problems, the motion of the flood wave with the MLP network is modeled and compared with the previous results, which is a very good ability of the neural network to predict the results.
INTRODUCTION
Neural networks have made remarkable progress over the past twenty years. Early research on the planning of this knowledge began in the mid-19th century by Paralf and Laura, and then by scholars such as William James in the 19th century, McClove and Pitts in 1943, in 1949, Frank Rosenblatt in the year 1958, Vidro, Minsky and Papertre In the mid-sixties, Hopfield continued to play the role of Hart and McClelland in the years 1982, 1985, and today. Unlike mathematical models, artificial neural networks do not need to determine the mathematical relation between inputs and outputs. The history of the study of non-permanent and non-uniform flows dates back to 1871, when Saint Vinunt wrote an article in the Journal of the French Academy of Sciences in which an unstable flow theory Look at the open channels and obtain the corresponding equations. Given that it is not possible to solve the equations of Saint Vincent with analytical methods, many efforts have been made to solve these equations by numerical methods. In 1956, the first numerical method for solving unsteady flow equations was developed by Stoker et al. And called the explicit constant network method. Subsequently, several explicit finite difference models are used to analyze non-permanent flows in open channels. The Lexus numerical model is one of the explicit patterns of variation, which is achieved with a slight change in a pattern called unstable pattern and provides acceptable results for hydraulic engineering. McCormack’s numerical model is another explicit narrow-difference pattern used to calculate the flow in open channels. In the present study, the artificial neural network of multilayer perceptron was used to predict the trend of flood wave motion due to roughness coefficient, bed slope and river width. Then Saint Vincent’s equations were solved by using Lexus and McCormack patterns in a wide rectangular river for different values of roughness coefficient, bed slope and river width, and the results were compared with the results of artificial neural network modeling.
Year: 2011
Publisher : Sixth National Congress on Civil Engineering
By : Alireza Ahmadi , Hamed Ghasemi , Ahmad Ghasemi
File Information: English Language/ 8 Page / size: 432 KB
Only site members can download free of charge after registering and adding to the cart
سال : 1390
ناشر : ششمین کنـگره ملی مهنـدسی عمـران
کاری از : علیرضا احمدي ، حامد قاسمی ، احمد قاسمی
اطلاعات فایل : زبان فارسی / 8 صفحه / حجم : KB 432
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.