برآورد ضریب زبری بستر کانال های خاکی با استفاده از روش های شبکه های عصبی مصنوعی و سیستم های استنباط فازی عصبی-تطبیقی

برآورد ضریب زبری در طراحی کانال های خاکی از اهمیت زیادی برخوردارمی باشد. این مساله حتی در مدل سازی عددی پدیده انتقال رسوب دارای اهمیت به سزایی می باشد. به همین منظور، تاکنون روش های تجربی زیادی برای تخمین زبری در کانال ها ارایه شده است که غالبا دارای خطای زیادی در تخمین پارامتر مورد نظر می باشند. بنابراین، در این مقاله با استفاده از روش های ابزار محاسبات نرم مبتنی بر شبکه های عصبی مصنوعی و سیستم استنباط فازی عصبی به ارایه مدل هایی جهت تخمین میزان ضریب زبری در کانال های خاکی پرداخته می شود. پس از شبیه سازی و توسعه این مدل ها نتایج نشان می دهد که دقت روش های مذکور بالاتر از روابط تجربی متداول برای محاسبه این ضریب می باشد. همچنین، آنالیز حساسیت خطای تخمین در برابر حذف پارامترهای مختلف موثر بدست آمده از روش آنالیز ابعادی باکینگهام بر ضریب مذکور نشان می دهد پارامترهای دیگری مانند عدد رینولدز برشی و پارامتر عمق بی بعد آب در کانال نیز در میزان ضریب زبری بستر کانال های خاکی موثر است که در روابط تجربی ارایه شده این ضریب نادیده گرفته می شد. همچنین نتیجه گرفته شد که مدل های توسعه داده شده می توانند به عنوان گزینه ای مناسب جهت تخمین زبری کانال ها خاکی باشند. این مساله با توجه به دامنه وسیع مکانیزم انتقال رسوب بیشتر اهمیت پیدا می کند.