برآورد تنش برشي مرزي در كانالهاي ذوزنقه اي با استفاده از شبكه عصبي مصنوعي

تنش برشي مرزي به علت داشتن طبيعت پيچيده و تاثير مستقيم بر ساختار جريان از مهمترين پارامترهاي هيدروليكي است. پيشتر جهت تخمين ميزان تنش برشي مرزي از روشهاي هندسي، تجربي، تحليلي و عددي استفاده ميگرديد؛ كه معايبي چون عدم برخورداري از صحت كافي ومقرون به صرفهنبودن و در نظر گرفتن فرضياتي جهت سادهسازي مسئله را شامل ميشد. در اين تحقيق توانايي شبكه عصبي در تخمين تنش برشي مرزي در كانال ذوزنقهاي ارزيابي شده است. در اين راستا الگوريتمهاي مختلف آموزشي شامل SCG ، LM و RP در شبكه عصبي پرسپترون چند لايه مورد بررسي قرار گرفته است. نتايج حاصل از مدل شبكه عصبي حكايت از دقت بالاي اين مدلها به خصوص شبكه تحت آموزش الگوريتم RP در تخمين تنش برشي مرزي در كانالهاي ذوزنقهاي دارد. به نحوي كه ميزان پيش بيني اين شبكه تا ميزان 89 درصد در مرحله آزمون صحت داشته است