مشخصات پژوهش

عنوان	مطالعه توزیع سرعت و تنش برشی در کانال های مرکب با سیلاب دشت های همگرا با استفاده از مدل سازی عددی مبتنی برCFD و شبکه عصبی مصنوعی
نوع پژوهش	پایان نامه
کلیدواژه‌ها	مدل سازی عددی جریان، کانال های مرکب غیر منشوری، مدل آشفتگی شبیه سازی گردابه ای بزرگ، شبکه های عصبی مصنوعی، نرم افزار انسیس فلوئنت
چکیده	رودخانه ها نقش مهمی را در شرایط روزانه کره زمین ایفا می کنند. با نبود آب و منابع آن، هستی امکان پذیر نیست؛ در مهندسی رودخانه، دقّت در پیش بینی پارامترهای جریان و دبی در کانال های باز از اهداف اصلی و ضروری به شمار می آید. بیشتر رودخانه ها و نهرهای طبیعی از دو قسمت تشکیل شده اند؛ که شامل کانال اصلی و سیلاب دشت ها می شوند. به دلیل ایجاد ساختار خاص جریان در کانال های مرکب شناخت و پیش بینی جریان در نوع از کانال ها، برای مهندسین هیدرولیک اهمیت زیادی دارد. جریان در کانال های مرکب، دارای ساختار پیچیده ای است؛ که این پیچیدگی به دلیل حضور لایه برشی در فصل مشترک جریان بین کانال اصلی و سیلاب دشت است. لایه برشی به دلیل اختلاف سرعت بین جریان کانال اصلی و جریان موجود در سیلاب دشت به وجود می آید؛ و درنتیجه حضور این لایه، گردابه هایی در جهت جریان و در جهت عمود بر جریان به وجود می آید. مقدار شعاع و شدت گردابه های موجود در جریان در ناحیه لایه برشی به تبادلات جرم و اندازه حرکت در کانال اصلی و سیلاب دشت ها، میزان اختلاف سرعت و سرعت نسبی، عمق نسبی جریان، زبری نسبی و جریان های ثانویه بستگی دارد. در پژوهش پیش رو به مدل سازی جریان در کانال مرکب غیر منشوری با سیلاب دشت های همگرا، با استفاده از دینامیک سیالات محاسباتی و شبکه های عصبی مصنوعی پرداخته شده است و میزان دقت مدل سازی ها با استفاده از داده های آزمایشگاهی ارائه شده توسط رضایی، در سال 2006 مورد مقایسه و سنجش قرار گرفته است. مدل سازی با روش دینامیک سیالات محاسباتی با استفاده از نرم افزار ANSYS Fluent، و با استفاده از مدل آشفتگی گردابه بزرگ (Large Eddy) صورت گرفته است؛ و در مدل سازی با استفاده از شبکه های عصبی مصنوعی (ANN)، از الگوریتم انتشار برگشتی (BP) استفاده شده است. طبق نتایج حاصل از هر دو روش تطابق قابل قبول در پیش بینی مشخصات جریان مشاهده شده است و می توان این گونه بیان نمود که؛ این دو روش، روش های قابل اطمینانی برای مدل سازی جریان در کانال مرکب غیرمنشوری با سیلاب دشت های همگرا به حساب می آیند . همچنین مشاهده شده است که؛ مدل آشفتگی گردابه بزرگ در مدل سازی جریان های آشفته توانایی قابل توجّهی دارد و در نواحی از جریان که حضور گردابه ها پررنگتر است دقت پیش، دقت رگرسون افزایش یافته و رابطۀ ایجاد شده بین پارامترها دقیق تر بود.
پژوهشگران	بهرام رضایی (استاد راهنما)، رضوان یوسفی روزبهانی (دانشجو)، مهدی کماسی (استاد مشاور)