بررسی توزیع تنش برشی به جهت برآورد ابعاد حفره آبشستگی در اطراف پایه های پل از اهمیت زیادی برخوردار است. ولی مروری بر پژوهش های انجام شده نشان می دهد که بررسی تنش برشی، اطراف پایه های حفاظت شده توسط روش های مختلف کنترل آبشستگی، از توجه کافی پژوهشگران برخوردار نبوده است. در این پژوهش یک مدل عددی سه بعدی برای مطالعه روند تغییرات تنش برشی پیرامون پایه پل همراه با صفحات مستغرق مورد استفاده قرار گرفته است. از طرفی به دلیل دشوار بودن محاسبه مقادیر تنش برشی در طبیعت، پژوهشگران روش هایی برای محاسبه غیرمستقیم این عامل ارائه نموده اند که یکی از این روش ها، استفاده از مدل شبه دوبعدی شینو و نایت (SKM) می باشد. در این پژوهش الگوی توزیع تنش برشی اطراف پایه با وجود تعداد مختلفی از صفحات (6 و 4، 2)، با دو زاویه قرارگیری نسبت به جریان (20و 30 درجه) و در شدت جریان 95/0 (شدت جریان بحرانی)، با هر دو روش مورد بررسی و مقایسه قرار گرفته است. نتایج هر دو مدل نشان می دهد که قرارگیری صفحات تاثیر به سزایی در کاهش سرعت جریان حین عبور از صفحات داشته و در نتیجه کاهش تنش برشی بستر در اطراف پایه را به دنبال دارد. همچنین بررسی تعداد و زاویه قرارگیری صفحات، نشان داد که تعداد 6 صفحه نسبت به 2 و 4 صفحه و همچنین زاویه 30 درجه نسبت به زاویه 20 درجه کارایی بهتری دارد به نحوی که تنش برشی را به میزان 12-15 درصد کاهش می دهد. تفاصيل المقالة

یکی از عوامل اصلی ویرانی آبشکن‌ها آبشستگی می‌باشد که فرآیندی بسیار پیچیده است. پیچیدگی الگوی جریان پیرامون آبشکنها و گوناگونی عوامل مؤثر بر آبشستگی، موجب پرشماری روابط تجربی و کاهش دامنه‌ی هر یک از آنها، به‌دلیل محدودیت شرایط آزمایشگاهی می‌شود. در این تحقیق امکان استفاده از شبکه‌های پرسپترون چندلایه(MLP) برای برآورد بیشترین ژرفای آبشستگی پیرامون سه نوع آبشکن شامل آبشکنهایی با دیواره‌ی عمودی،‌ بالدار و نیم‌دایره‌ای مورد مطالعه قرار گرفتند. دستاوردهای شبیه شبکه عصبی مصنوعی با نتایج به‌دست آمده از رابطه‌ی تجربی پیشنهادی به‌وسیله‌ی باربهیوا و دی(2004) مقایسه گردیدند. هشت نمایشنامه بر اساس فراسنجهای مؤثر و شبکه‌های با ورودیهای مختلف برای پیش‌بینی ژرفای آبشستگی تعریف شدند. مقایسه‌‌ی نتایج نمایشنامه‌های مختلف نشان دادند که نمایشنامه ای که تنها از دو فراسنج و برای برآورد ژرفای آبشستگی در پیرامون آبشکن استفاده می‌کند، از عملکرد بهتری برخوردار است. همچنین، نتایج تحلیل حساسیت نشان دادند که فراسنجهای و بیشترین تأثیر را در پیش‌بینی ژرفای آبشستگی آبشکن دارند. مقایسه نتایج شبیه شبکه‌های عصبی و مقادیر محاسبه شده از رابطه‌ی تجربی با داده‌های آزمایشگاهی نشان دادند که مقادیر بیشترین ژرفای آبشستگی به‌دست آمده از روش شبکه‌های عصبی مصنوعی از دقت بیشتری نسبت به رابطه-ی تجربی برخوردارند. همچنین، دقت شبکه‌های عصبی مصنوعی در برآورد ژرفای آبشستگی پیرامون آبشکنهای با دیواره‌ی عمودی در مقایسه با دو نوع آبشکن دیگر بیشتر است.   تفاصيل المقالة