در ادامه مطلب می توانید تکه هایی از ابتدای این پایان نامه را بخوانید

دانشگاه آزاد اسلامی
واحد تهران جنوب
دانشکده تحصیلات تکمیلی
“M.Sc” پایان نامه برای دریافت درجه کارشناسی ارشد
مهندسی عمران – سازه های هیدرولیکی
عنوان :
تخمین آبشستگی در پائین دست جت ریزشی با بهره گیری از شبکه عصبی

برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی گردد

تکه هایی از متن به عنوان نمونه :
(ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل می باشد)
چکیده
جت های ریزشی در اثر عبور آب روی سازه های هیدرولیکی (سازه هایی زیرا سرریز وکالورت) به وجودمی آیند. محل برخورد جت با بستر به یک کاهنده انرژی جریان تبدیل شده و حفره آبشستگی شکل می گیرد. این پدیده باعث ناپایداری کل یا قسمتی از سازه می گردد. فرآیند آبشستگی در خروجی کالورت به عوامل متعددی زیرا جنس خاک، دبی، شعاع هیدرولیکی، ارتفاع ریزش، عمق پایاب، شیب کالورت و مهمتر از همه زمان وابسته می باشد. از این رو کوشش گردید از ارتباط ای بهره گیری گردد که اثر توأم پارامترهای فوق را نشان دهد.
هر چند تحقیقات بسیاری در خصوص تأثیر پارامتر زمان در فرایند تشکیل حفره آبشستگی صورت گرفته، اما در خصوص چگونگی تأثیر آن و اینکه تا چه حد در این فرایند مؤثر می باشد، تا کنون نتایج قابل توجهی حاصل نشده می باشد. در این پژوهش پارامترهای موثر بر ابعاد حفره آبشستگی در دو بخش کلی مطالعه شده و جهت برآورد شبکه عصبی مناسبی برای ایجاد ارتباط غیر خطی که ابعاد آبشستگی را بر اساس پارامترهای مختلف هیدرولیکی ارائه شده می باشد. برای ایجاد ارتباط مناسب و طراحی شبکه عصبی از روش FF با الگوریتم آموزش BP بهره گیری شده می باشد. بخش اول ، پارامترها به صورت بعد دار و بی بعد در شبکه عصبی در محیط MATLAB مدل شده می باشد. در حالت بی بعد روابط ارائه شده توسط شبکه عصبی با روابط مدل رگرسیونی بدست آمده، مقایسه گردید. در بخش بعدی روابط در دو حالت خاص (پارامترهای ارتباط DOT و ارتباط اصلاحی DOT توسط مهدوی زاده) ارئه گردید.
نتایج نشان می دهد که ارتباط مناسبی بین شبکه ترسیم شده و اطلاعات آزمایشگاهی برآورد شده وجود داشته و شبکه ارائه شده با تعداد نرونهای بالاتر در لایه پنهان در مرحله آموزش دارای دقتی در حدود 8-10 می باشد . مدلهای بی بعد دارای دقت بالاتری نسبت به مدل بعد دار هستند. همچنین مقایسه ای که بین روابط مدل شده با شبکه عصبی و روابط مدل شده با رگرسیون غیر خطی صورت گرفت، دیده گردید که شبکه عصبی از دقت قابل ملاحظه ای نسبت به مدل های تجربی رایج برخوردار می باشد. همچنین مقایسه ای بین پارامترهای ارتباط DOT و DOT اصلاح شده توسط مهدوی زاده صورت گرفت که به مراتب دقت در پارامترهای اصلاح شده بیشتر می باشد. به گونه کلی، بین تمام حالتهای مدل شده در شبکه عصبی، DOT اصلاحی دارای خطای کمتر و درجه همبستگی بیشتری می باشد.
در ادامه به مطالعه اهمیت هر کدام از پارامترهای ورودی پرداخته گردید. با حذف هر کدام از پارامترهای ورودی اثر هر کدام بر ابعاد حفره آبشستگی مطالعه شده و در نهایت ارتباط بدست آمده توسط شبکه عصبی ارائه گردیده می باشد.
مقدمه
آبشستگی هرچند سابقه طولانی در علم هیدرولیک دارد اما به علت دامنه وسیع متغیرها و گستردگی پارامتر های موثر بر آن و شرایط گوناگون که در این پدیده هست ، تا کنون ارتباط دقیقی که بتواند تخمین مناسبی از ابعاد حفره آبشستگی بدهد در دسترس نمی باشد ومطالعه در این مورد همچنان مورد توجه محققین این علم می باشد.
پیش بینی ابعاد حفره آبشستگی پائین دست سازه های کنترل یکی از مهمترین و مشکل ترین مراحل در طراحی فونداسیون این سازه ها می باشد. طراحی بایستی با در نظر داشتن ابعاد حفره ایجاد شده بصورتی باشد که احتمال شکست و واژگونی سازه حداقل گردد.
جریان خروجی از سازه های هیدرولیکی اغلب به صورت جت می باشد که ممکن می باشد در رودخانه ها و اطراف سازه های آنها به تغییرات زیاد پیرامون آنها منجر گردد و خسارت سازه ای و زیست محیطی قابل توجهی به همراه داشته باشد. اگر چه مطالعات متعددی در زمینه آبشستگی ناشی از جت ها انجام شده می باشد و جتهای مختلف از قبیل جتهای افقی، عمودی و پرتابی مورد مطالعه وبررسی قرار گرفته می باشد لیکن در هیچ کدام از موردها فوق روابط جامعی برای مطالعه رفتار و خصوصیات کامل حفره آبشستگی ارائه نگردیده می باشد و مطالعه کاملتر پارامترهای موثر بر این پدیده مستلزم ادامه مطالعات می باشد.
شبکه های عصبی مصنوعی که امروزه در کاربردهای فراوانی ارزش والای خود را نشان داده اند، براساس مدل بیولوژیکی مغز بشر به وجودآمده اند که ضمن اجرای فرآیند آموزش، قادرند که قوانین و روابط درونی بین داده های تجربی را کشف کرده و در موقعیتهای دیگر تعمیم دهند و پس در این پژوهش ، ضمن بهره گیری از روشهای متداول در هیدرولیک از شبکه های عصبی مصنوعی نیز برای تحلیل اطلاعات موجود بهره گیری شده و صحت شبکه های تدوین شده با اتکا به شاخص های آماری موجود متداول سنجیده شده می باشد.
مطالعات انجام شده در پژوهش در قالب شش فصل آورده شده می باشد که به صورت اجمالی در زیر به آن تصریح شده می باشد:
فصل اول: این فصل شامل مقدمه و هدف از پژوهش حاضر می باشد و اطلاعات کلی را در مورد پایان نامه اظهار می کند.
فصل دوم: این فصل مروری بر مطالعات انجام شده می باشد که به مطالعه پارامترهای مؤثر در فرآیند تشکیل حفره آبشستگی در پائین دست جت ریزشی بر اساس تحقیقات انجام شده پرداخته شده می باشد.
فصل سوم: در این فصل مبانی اساسی شبکه عصبی اظهار شده و به چگونگی مدل کردن شبکه عصبی در محیط MATLAB پرداخته شده می باشد.
فصل چهارم: در این فصل به چگونگی مطالعات آزمایشگاهی که اطلاعات آن مورد بهره گیری قرار گرفته پرداخته شده و همچنین فرمولهای تجربی و تحقیقات آزمایشگاهی که در این پژوهش بهره گیری شده ، ارائه گردیده می باشد.
فصل پنجم: در این فصل به مطالعه شبکه عصبی مصنوعی و کابرد آن در پیش بینی حفره آبشستگی ناشی از جت های ریزشی و تجزیه و تحلیل نتایج ناشی از آن پرداخته شده و همچنین روابط بدست آمده از شبکه عصبی ارئه گردیده می باشد.
فصل ششم: در این فصل به اختصار نتایج نهایی حاصل از انجام این پژوهش مطالعه انجام شده اظهار شده و پیشنهاداتی در این زمینه در جهت ادامه کار ارائه شده می باشد.
تعداد صفحه : 159
قیمت : 14700 تومان

 

این مطلب رو هم توصیه می کنم بخونین:   سمینار ارشد رشته عمران سازه های هیدرولیکی: ارزیابی تأثیر پارامترهای هندسی هیدرولیکی

***

دسته‌ها: عمران

دیدگاهتان را بنویسید