کاربرد مدل عددی سه بعدی و سیستم‌های هوشمند در واسنجی ضریب دبی در سازه ترکیبی سرریز-روزنه

محورهای موضوعی : برگرفته از پایان نامه

محسن نجارچی ¹ , نیما آئین ² , سید محمد میرحسینی هزاوه ³ , محمد مهدی نجفی زاده ⁴ , احسان اله ضیغمی ⁵

1 - استادیار گروه علوم مهندسی آبیاری، دانشگاه آزاد اسلامی واحد اراک
2 - دانشجوی دکترا گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد اراک
3 - استادیار گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد اراک
4 - دانشیار گروه مهندسی مکانیک، دانشگاه آزاد اسلامی واحد اراک
5 - استادیار گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد اراک

تاریخ دریافت : 1397/02/06 تاریخ پذیرش : 1399/08/12 تاریخ انتشار : 1399/08/01

کلید واژه: Flow-3D, هوش مصنوعی, سازه ترکیبی سرریز لبه تیز مثلثی-روزنه مستطیلی, آنالیز ابعادی,

چکیده مقاله :

سازه ترکیبی سرریز لبه تیز مثلثی-روزنه مستطیلی مهمترین سازه‌هایی هست که علاوه بر تنظیم سطح آب و اندازه گیری دبی، عملیات رسوب شویی و تخلیه جریان را به وسیله روزنه موجود انجام می‌دهد. در تحقیق سعی شده تا با استفاده از داده‌های آزمایشگاهی، ابتدا این 4 مدل با شرایط هندسی مختلف این سازه به صورت سه بعدی توسط نرم افزار Flow-3D شبیه سازی گردد. سپس، با انجام آنالیز ابعادی به بررسی تاثیر پارامترهای بی بعد موثر در این تحقیق بر روی ضریب دبی پرداخته. این پارامترهای بی بعد عبارتند از h/b، h/dو h/y، که در آن h عمق آب روی سریز، b عرض دریچه، d ارتفاع دریچه و y فاصله بین بالای دریچه تا راس سرریز می باشد. در نهایت با تهیه چهار مدل مختلف هوش مصنوعی به ارزیابی و مقایسه دقت این مدل‌ها در تخمین دبی پرداخته. نتایج نشان دادند که دقت برنامه Flow-3D در شبیه سازی سه بعدی این سازه خوب می‌باشد و شاخص‌های آماری مناسبی در شبیه سازی هد آب و ضریب دبی جریان ارائه گردید (RMSE، MAE، MRAE برای ضریب دبی به ترتیب برابر با 0673/0، 221/0 و 295/0). همچنین، نتایج در تمام مدل‌ها نشان دادند که ضریب دبی با پارامترهای بی بعد رابطه معکوس دارد. ضریب دبی در این سازه ترکیبی تقریبا بین 3/0 تا 9/0 می باشد. آنالیز دقت سنجی و نتایج حاصل از چهار مدل هوش مصنوعیMLP، M5P، RBF و GRNN نشان دادند که، مدل MLP به عنوان برترین مدل و در ادامه آن مدلهای M5P، RBF و GRNN به ترتیب قرار دارند.

چکیده انگلیسی:

Combined triangular crested weir-rectangular gate is one of the most important structures which controlling the level of water surface, measuring discharge and avoiding the sedimentation behind the weir. In this study, 4 models with different geometric conditions were simulated via Flow-3D software. Then, dimensional analysis was done to evaluate the effect of involved dimensionless parameters on the discharge coefficient. These parameters are h/b, h/d and h/y, where h is the water head over the weir, b is the gate width, d is the gate height and y is the distance between the top of the gate to the bottom of weir. Moreover, four different intelligent system models prepared and the accuracy of these models for estimation of discharge were evaluated and compared with each other. Results show that Flow-3D is very accurate in 3D simulation of this structure. Besides, Statistical indices are good for simulation the water head and discharge coefficient, in this study (RMSE, MAE and MRAE for discharge coefficient are 0.0673, 0.221 and 0.295, respectively). Moreover, results show that in all models the dimensionless parameters of h/b, h/d and h/y has inverse proportion with discharge coefficient. Discharge coefficient of combined weir-gate of this study is in the range of 0.3-0.9. On the other hand, the results of four intelligent system models of MLP, M5P, RBF and GRNN show that the MLP model is the superior model among others and respectively M5P, RBF and GRNN are in the next grade.

منابع و مأخذ:

1)       احمدی آ، فرمانی فر م، فتاحی چقابگی ع، جوان م، 1390. واسنجی ضریب تخلیه سرریزتاج نیم‌دایره‌ای درمدل  Flow 3D با استفاده از داده های آزمایشگاهی. پنجمین کنفرانس سراسری آبخیزداری و مدیریت منابع آب و خاک.

2)       اژدری مقدم م، جعفری ندوشن ا، 1392. طراحی هیدرولیکی سرریزهای کنگرهای ذوزنقه ای با استفاده از هیدرودینامیک محاسباتی. مجله علمی-پژوهشی عمران مدرس. 2(13):1-12.

3)       اسماعیلی ک،  فتحی مقدم م، 1385. ضریب دبی در مدل سرریز-دریچه. همایش ملی مدیریت شبکه های آبیاری و زهکشی دانشگاه شهید چمران اهواز.

4)       اسدی پرتو ا، اقبال زاده ا، احمدی آ، 1391. بررسی اثر قطر پایه پل بر الگوی جریان در کانال مستقیم با استفاده از نرم افزار Flow-3D. یازدهمین کنفرانس هیدرولیک ایران، ارومیه.

5)       بلوچی ب، زینی وند م، 1391. بررسی آزمایشگاهی ضریب دبی در سازه ترکیبی سرریز – دریچه در شرایط سیلابی. نشریه دانش آب و خاک. 2(22):151-164.

6)       سوری ا، 1392. پایان­نامه کارشناسی ارشد سازه­های آبی. دانشکده مهندسی زراعی. گروه علوم آب. دانشگاه علوم کشاورزی و منابع طبیعی ساری.

7)       علاسوند ک، احدیان ج، فتحیان ح، 1390. بررسی تاثیر زبری برروی استهلاک انرژی و سرریزهای پلکانی گابیونی، با استفاده از مدل ریاضی FLOW- 3D. نشریه  علوم و مهندسی آب. 1: 89-97.

8)       گرزین ع، 1392. مطالعه آزمایشگاهی حداکثر عمق آبشستگی پایین دست سازه ترکیبی سرریز-دریچه مایل در ارتفاع. پایان نامه کارشناسی ارشد رشته مهندسی سازه های آبی. دانشکده مهندسی آب و خاک. دانشگاه علوم کشاورزی و منابع طبیعی گرگان.

9)       محمودی م، رستمی راوی ا، 1391. بررسی اثرنصف کردن ابعاد پله ها در سه حالت نسبت3/1،بر میزان افت کارمایه در شبیه سرریزهای پلکانی. مجله مهندسی منابع آب. 5: 107-118.

10)   مرتضوی ا، سجادی م، 1392. بررسی تاثیر پارامترهای هندسی بر هیدرولیک جریان در سرریزهای استوانه‌ای با استفاده از نرم افزار Fluent. چهارمین همایش ملی مدیریت شبکه‌های آبیاری و زهکشی. 1851-1858.

11)   ورجاوند پ، فرسادی زاده د، خسروی نیا پ، رفیعی ز، 1389. شبیه سازی جریان در سرریزهای استوانه‌ای با استفاده از مدل Fluent و مقایسه نتایج با مدل فیزیکی. مجله دانش آب و خاک. 2(1/20):59-69.

12)    Ahmed FH. 1985. Characteristics of discharge of the combined flow through sluice gates and over weirs. J. Engineering and Technology, Iraq. 3(2):49-63 (in Arabic).

13)    Alhamid AA, Husain D, Negm AM. 1996. Discharge equation for combined flow over rectangular weirs and below inverted triangular weirs. Arab Gulf Journal for Scientific Research.14(3):595-607.

14)    Alhamid AA, Negm AM, Al-Brahim AM. 1997. Discharge equation for proposed self-cleaning device. J. King Saud Univ., Eng. Sci., Riyadh, Saudi Arabia. 91:13–24.

15)    Balouchi B, Abedini MJ. 2019. System identification and subsequent discharge hydrograph estimation in waterway corridors based on water level data alone —Unsteady flow condition. J. of Hydrologic Eng., ASCE. 4(10), DOI: 10.1061/(ASCE)HE.1943-5584.0001848.

16)    Balouchi B, Abedini MJ, Manhart M. 2018. A simulation-optimization technique to estimate discharge in open channels based on water level data alone—Gradually Varied Flow condition. IJSTC Journal, Springer. 43(8): 1-15, DOI: 10.1007/s40996-018-0149-5.

17)    Balouchi B, Nikoo MR, Adamowski J. 2015. Development of expert systems for the prediction of scour depth under live-bed conditions at river confluences: Application of different types of ANNs and the M5P model tree. Applied Soft Computing J. 34: 51–59.

18) Bilhan O, Emiroglu ME, Kisi O. 2011. Use of artificial neural networks for prediction of discharge coefficient of triangular labyrinth side weir in curved channels. Advances in Engineering Software. 42:208–214.

19)    Cheng MY, Cao MT, Wu YW. 2014. Predicting equilibrium scour depth at bridge piers using evolutionary radial basis function neural network. J. Comput. Civil Eng. 29(5): 04014070, DOI: 10.1061/(ASCE)CP.1943-5487.0000380.

20)    Dehghani AA, Bashiri H, Meshkati E, Ahadpoor A. 2009. Experimental investigation of scouring in downstream of combined flow over weirs and below gates. 33^rd IAHR Conference, Canada.

21)    El-Saiad AA, Negm AM, Waheed El-Din U. 1995. Simultaneous flow over weirs and below gates. Civil Engineering Research Magazine. 17(7): 62-71.

22) Emiroghlu ME, Bilhan O, Kisi O. 2011. Neural networks for estimation of discharge capacity of triangular labyrinth side-weir located on a straight channel. Expert Systems with Applications. 38:867–874.

23)    Ferro V. 2000. Simultaneous flow over and under gate. Journal of irrigation and drainage engineering. 126(3):190-193.

24) Flow-3D, user manual. 2008. Flow Science, Inc.

25) Juma IA, Hussein HH, Al-Sarraj MF. 2014. Analysis of hydraulic characteristics for hollow semi-circular weirs using artificial neural networks. Flow Measurement and Instrumentation. 38: 49–53.

26)    Li CF, Zhang JB, Wang ST. 2006. Comparative Study on Input-Expansion-Based Improved General Regression Neural Network and Levenberg-Marquardt BP Network. Lecture Notes in Computer Science. 4113:83-93.

27)    López-Martín C. 2015. Predictive accuracy comparison between neural networks and statistical regression for development effort of software projects. Appl. Soft Comput. 27: 434-449, DOI: 10.1016/j.asoc.2014.10.033.

28)    Mohamed HI, Abozeid G, Shehata SM. 2011. Hydraulics of clear and submerged overfall weirs with bottom circular openings. Ain Shams Eng. J. doi:10.1016/j.asej.2011.03.004.

29)    Negm AM. 1995. Characteristics of combined flow over weirs and under gate with unequal contractions. Proc 2nd Int Conf on Hydro-science and Engineering, Beijing, China. 2(A): 285-292.

30)    Negm AM, Al-barahim AM, Al-hamid AA. 2002. Combined free flow over weirs and gate. Journal of Hydraulic Research. 40(3).

31)    Negm AM, El-Saiad AA, Alhamid AA, Husain D. 1994. Characteristics of simultaneous flow over weir and below inverted V-Notches. Civil engineering research magazine CERM, Civil Engineering Department, Faculty of Engineering, Al-Azhar University, Cairo, Egypt. 16(9):786-799.

32)    Negm AM, El-Saiad AA, Saleh OK. 1997a. Characteristics of combined flow over weirs and below submerged gates. Proc. of Al-Mansoura engineering 2^nd Int. Conf. MEIC'97, 1-3 April, Faculty of Engineering, Al-Mansoura University, Al-Mansoura, Egypt. III(B):259-272.

33)    Pal M, Deswal S. 2009. M5 model tree based modeling of reference evapotranspiration. Hydrological Processes. 23:1437–1443.

34)    parsaie A, Haghiabi AH, Saneie M, et al. 2017. Prediction of discharge coeffivient of cylindrical weir-gate using adaptive neuro fuzzy interface system (ANFIS). Front Struct. Civ. Eng. 11, 111-122.

35)    Quinlan JR. 1986. Introduction of decision trees. Machine learning. Kluwer Academic publisher. 1:81-106.

36)    Quinlan JR. 1992. Learning with continuous classes. In Proceedings of the Fifth Australian Joint Conference on Artificial Intelligence. Hobart, Australia, World Scientific, Singapore. 343–348.

37)    Salehi S, Azimi AH. 2019. Discharge characteristics of weir- orifice and weir-gate structures. Journal of Irrigation and Drainage Engineering. 145(11).

38)    Specht DF. 1991. A General Regression Neural Network.  IEEE Transaction on Neural Networks. 2(6):568–576.