ارائه معادله‌ای نوین برای پیش‌بینی عمق پرش هیدرولیکی در کانال‌های همگرا: اعتبارسنجی آزمایشگاهی و مبتنی بر شبکه‌های عصبی مصنوعی
محورهای موضوعی : زبان اصلی مجله انگلیسی می باشد! ( ترجمه عنوان: رهیافت های نوین در محیط زیست و اکولوژی کاربردی)ايمان رستمي راوري 1 , رضا محمدپور 2
1 - عضو هیئت علمی
2 - گروه مهندسی عمران، دانشگاه آزاد اسلامی استهبان
کلید واژه: Converging hydraulic jump, Sequent depth ratio, Artificial intelligence, Energy dissipation, ANNs validation,
چکیده مقاله :
پرش هیدرولیکی، به‌عنوان یک پدیده کلیدی که گذار جریان از رژیم فوق‌بحرانی به زیر‌بحرانی را نشان می‌دهد، نقش محوری در استهلاک انرژی و طراحی سازه‌های هیدرولیکی ایفا می‌کند. این پژوهش به بررسی جامع ویژگی‌های پرش هیدرولیکی در کانال‌های مستطیلی همگرا می‌پردازد؛ موضوعی که به دلیل پیچیدگی رفتار آشفته جریان، کمتر مورد توجه قرار گرفته است. در این تحقیق، با بسط معادله مومنتوم کلاسیک و لحاظ‌کردن اثرات همگرایی کانال و پارامترهای هندسی کلیدی، یک معادله تحلیلی نوین برای پیش‌بینی عمق ثانویه ارائه شده است. مدل توسعه‌یافته با استفاده از داده‌های آزمایشگاهی و مدل‌سازی پیش‌بینی مبتنی بر شبکه‌های عصبی مصنوعی (ANN) اعتبارسنجی گردید. نتایج اعتبارسنجی مبتنی بر هوش مصنوعی، دقت بالای رابطه پیشنهادی را تأیید کرده و همخوانی قابل‌توجهی با نسبت‌های عمق مشاهده‌شده و محاسبه‌شده نشان می‌دهد. یافته‌ها نشان می‌دهند که معادله جدید علاوه بر ارتقای درک از دینامیک جریان‌های غیر یکنواخت، ابزاری مطمئن برای بهینه‌سازی طراحی حوضچه‌های آرامش در کانال‌های همگرا فراهم می‌آورد. این پژوهش با پیوند مدل‌سازی تحلیلی و یادگیری ماشین، گامی مهم در جهت توسعه تحلیل‌های مدرن هیدرولیکی محسوب می‌شود.
Hydraulic jump, a critical phenomenon transitioning flow from supercritical to subcritical regimes, plays a pivotal role in energy dissipation and the design of hydraulic structures. This study presents a comprehensive investigation into the characteristics of hydraulic jumps in rectangular converging channels—an area often overlooked due to the complexities of turbulent flow behavior. By extending the classical momentum equation to include the effects of channel convergence and incorporating key geometric parameters, a novel analytical equation is proposed for predicting the sequent depth. The developed model was validated using both experimental data and artificial neural network (ANN)-based predictive modeling. The AI-driven validation confirms the high accuracy of the proposed relationship, aligning well with observed and calculated depth ratios. The findings highlight that the new equation not only improves the understanding of non-uniform flow dynamics but also serves as a reliable tool for optimizing stilling basin design in converging channels. This research bridges analytical modeling and machine learning, marking a significant step forward in modern hydraulic analysis.
1. Abrishami, J., & Hosseini, M. (2001). Hydraulics of Open Channels [In Persian]. Imam Reza University Press.
2. Farhudi, J. (1993). Flow in Open Channels [In Persian]. Urmia University Press.
3. Allahdadi, K., Kazemianzadeh, A., & Shafaei, M. B. (2008). Experimental study on the effect of roughness height on conjugate depth ratio and roller length of hydraulic jump in stilling basins. Proceedings of the 3rd Iranian Water Resources Management Conference, University of Tabriz, Iran.
4. Honar, T., & Pourhamzeh, S. (2010). Experimental study of converging hydraulic jump in stilling basins. Journal of Water and Soil, 24(5), 966-972.
5. Chow, V. T. (1959). Open Channel Hydraulics. McGraw-Hill Book Company, New York.
6. Chanson, H., & Montes, J. S. (1995). Characteristics of undular hydraulic jump: experimental apparatus and flow patterns. Journal of Hydraulic Engineering, ASCE, 121(2), 129–144.
7. Ippen, A. T. (1951). Mechanics of supercritical flow. Transactions of the ASCE, 116, 268–295.
