بررسی عوامل آبشستگی موضعی زیر خطوط لوله با استفاده از الگوریتم های شبکه های عصبی مصنوعی

یکی از مهم ترین عوامل آسیب و خرابی لوله ها، وقوع آبشستگی موضعی است، بنابراین طراحی مطمئن و اقتصادی لوله ها که در مسیر جریان قرار می گیرند، مستلزم تخمین مناسبی از میزان تاثیر عوامل موثر بر آبشستگی زیر لوله است. در این پژوهش بر اساس پارامتر های مهم و اثرگذار در پدیده آبشستگی و بر اساس داده های به دست آمده در آزمایشگاه دانشگاه آزاد اسلامی واحد اهواز، مدل هایی بر مبنای شبکه های عصبی مصنوعی با استفاده از نرم افزارNeuroSolution5  ایجاد شد که در این تحقیق از سه مدل MLP، GFF و RBF استفاده شد و پس از مقایسه این سه مدل با یکدیگر، مدل MLP محور بررسی ها قرار گرفت. در نهایت با استفاده از تکنیک شبکه های عصبی مصنوعی میزان تاثیر هر کدام از پارامتر های موثر بر آبشستگی مشخص شد که بر اساس آن، پارامتر شیلدز با تاثیری بسیار زیاد (بیش از 95 درصد)، یکی از موثرترین عوامل در آبشستگی موضعی در این پژوهش است.