بررسی مقایسه ای پارامترهای تاثیرگذار بر میزان استهلاک انرژی در کانال‌های با مقاطع مختلف بر اساس روش آنالیز فاکتوریل و روش هوشمند GPR

نوع مقاله: مقاله پژوهشی

نویسندگان

1 عضو هیات علمی گروه آب دانشکده عمران دانشگاه تبریز

2 دانشکده عمران

3 گروه عمران، داتشکده فنی، دانشگاه آزاد اسلامی واحد اهر، اهر - ایران

چکیده

تخمین دقیق مشخصات پرش هیدرولیکی از جمله میزان استهلاک انرژی نقش مهمی در طراحی بهینه سازه‌های هیدرولیکی دارد. در تحقیق حاضر، استهلاک انرژی نسبی ناشی از پرش هیدرولیکی در کانال‌های با مقاطع مختلف (شامل مقطع مستطیلی، واگرای ناگهانی و ذوزنقه‌ای) با المان‌های زبر متفاوت و با نحوه چیدمان متفاوت با استفاده از روش هوشمند رگرسیون فرآیند گاوسی (GPR) مورد بررسی قرار گرفته است. در این راستا، ابتدا با استفاده از روش آنالیز فاکتوریل پارامترهای دارای همبستگی بیشتر با میزان استهلاک انرژی تعیین شد. سپس با استفاده از این پارامترها مدل‌های متفاوتی تعریف گردید و با استفاده از داده‌های آزمایشگاهی نحوه تاثیر نوع کانال و المان‌های زبر بر روی استهلاک انرژی مورد بررسی قرار گرفت. نتایج حاصل از تحلیل مدل‌ها کارایی بالای روش به‌کار رفته را در تخمین میزان استهلاک انرژی نسبی به خوبی نشان داد. ملاحظه گردید که مدل‌های تعریف شده برای کانال واگرا با بلوک مرکزی نسبت به کانال‌های دیگر منجر به نتایج دقیق‌تری می‌گردند. برای این کانال مدل با پارامترهای ورودی F1 و (y2-y1)/y1 مدل برتر انتخاب شد و ﺑﻬﺘﺮﻳﻦ ﺣﺎﻟﺖ ارزﻳﺎﺑﻲ برای داده های آزﻣﻮن برابر با مقادیر 0.987= NSE=0.995,R و RMSE=0.021 بدست آمد. همچنین مشاهده گردید که مشخصات المان‌های زبر در بستر کانال در تخمین استهلاک انرژی نسبی تاثیرگذار بوده و بین دو نوع المان‌های زبر با چیدمان شطرنجی و موازی، نتایج بدست آمده از تحلیل مدل‌‌ها در نوع موازی دقیق‌تر است. مطابق با نتایج آنالیز حساسیت به دو روش فاکتوریل و حذفی، مشخص شد که عدد فرود تاثیرگذارترین پارامتر در تخمین استهلاک انرژی نسبی است.

کلیدواژه‌ها


عنوان مقاله [English]

Comparative Study of Effective Parameters on Relative Energy Dissipation in Channels with Different Shapes based on Factorial Analysis and Intelligent GPR Method

نویسندگان [English]

  • Kiyoumars Roushangar 1
  • Roghaye ghasempour 2
  • SEYEDMAHDI SAGHEBIAN 3
1 Department Hydraulic Engineering, Faculty of Civil Engineering, Tabriz University, Iran
2 Faculty of Civil engineering
3 Department of Civil Engineering, Ahar Branch, Islamic Azad University, Ahar, Iran
چکیده [English]

Accurate estimation of hydraulic jump characteristics such as energy dissipation amount has significant impact on optimum design of hydraulic structures. In this study, hydraulic jump relative energy dissipation was investigated in different sections channels (containing rectangular, sudden expanding, and trapezoidal sections) with different rough elements and with different arrangement using Gaussian Process Regression (GPR). In this regard, the parameters which had most correlation with energy dissipation were determined using factorial analysis. Then, different models were developed and using experimental data the impact of channel type and rough elements on energy dissipation was investigated. The obtained results of models analyzing showed the high efficiency of applied method in estimation of energy dissipation. It was observed that developed model in expanding channel with central block led to more accurate results in comparison with two others channels. For this channel, the model with input parameters of F1 and (y2-y1)/y1 was selected as superior model and the best result for test series was obtained the values of R=0.995, NSE =0.987 and RMSE=0.021. Also, it was observed that the channel rough elements characteristics had impact on predicting the relative energy dissipation and between two rough elements with strain and staggered arrangement, the obtained results for strain state were more accurate. According to the results of both factorial and omitted sensitivity analysis it was indicated that Froude number is the most significant parameter in estimation of relative energy dissipation.

کلیدواژه‌ها [English]

  • Energy dissipation
  • Expanding channel
  • factorial analysis
  • GPR
  • Rough element
اسدی، ف. فضل اولی، ر. و عمادی، ع. 1395. مطالعه آزمایشگاهی استهلاک انرژی و طول پرش هیدرولیکی در شرایط بستر زبر با بلوک‏های مکعبی‏ در پایین‏دست دریچه کشویی. نشریه آبیاری و زهکشی ایران. 11(4): 597-608.

بدیع زادگان، ر. اسماعیلی، ک. فغفورمغربی، م. و صانعی، س.م. 1390. مشخصات پرش هیدرولیکی در حوضچه های آرامش کانال های آبیاری با بستر موج دار. نشریه آب و خاک (علوم و صنایع کشاورزی). 25(3): 676-687.

Babaali, H., Shamsai, A. and Vosoughifar, H. 2015. Computational modeling of the hydraulic jump in the stilling basin with convergence walls using CFD codes. Arabian Journal for Science and Engineering, 40(2): 381-95.

Bremen, R. 1990. Expanding Stilling Basin. Laboratoire de Constructions Hydrauliques, Lausanne, Switzerland.

Elevatorski, E. A. 2008. Hydraulic Energy Dissipators. McGraw-Hill, New York.

Evcimen, T. U. 2012. Effect of prismatic roughness on hydraulic jump in trapezoidal channels. (Doctoral dissertation), Middle East Technical University.

Evecimen, T. U. 2005. The effect of prismatic roughness elements on hydraulic jump: The degree master of science. Middle East technical University.

Finnemore,  J. E. and Franzini, B. J.  2002. Fluid mechanics with engineering applications. McGraw-Hill, New York, NY, 790.

Gupta, S.K., Mehta R.C. and Dwivedi, V.K. 2013. “Modeling of relative length and relative energy loss of free hydraulic jump in horizontal prismatic channel”, Procedia Engineering, 51: 529-537.

Hager, W. H. and Bremen, R. 1989. Classical Hydraulic Jump: Sequent Depths. Journal of Hydraulic Research, 27(5): 565-85.

Khan, M. S. and Coulibaly, P. 2006. Application of Support Vector Machine in Lake Water Level Prediction. J. Hydrol. Eng, 11 (3): 199–205.

Koloseus, H.J., Ahmad, D. 1969. Circular hydraulic jump. Journal of the Hydraulics Division, 2(10): 775-780.

Mohammad, Z. K., Beheshti, A. A., Behzad, A. A. and Sabbagh-Yazdi, S. R. 2009. Estimation of current-induced scour depth around pile groups using neural network and adaptive neuro-fuzzy inference system. Applied Soft Computing, 9(2): 746–755.

Neal, R.M., 1997.Monte carlo implementation of gaussian process models for bayesian regression and classification, University of Toronto, Toronto: Department of Statistics and Department of Computer Science, Technical report, no. 9702.

Palermo, M. and Pagliara, S. 2018. Semi-theoretical approach for energy dissipation estimation at hydraulic jumps in rough sloped channels. Journal of Hydraulic Research, 21: 1-10.

Ranga Raju, K. G., Mittal, M. K., Verma, M. S. and Ganeshan, V. R. 1980. Analysis of Flow over Baffle Blocks and End Sills. Journal of Hydraulic Research, 18(3): 227–241.

Roushangar, K. and Ghasempour, R. 2017 Prediction of non-cohesive sediment transport in circular channels in deposition and limit of deposition states using SVM. Journal of Water Science & Technology: Water Supply, 17(2): 537-551.

Shiri, J. and Kisi, O. 2011. Comparison of genetic programming with neuro-fuzzy systems for predicting short-term water table depth fluctuations.  Journal of Comput. Geosci, 37 (10): 1692–1701.

Simsek,  C. 2006. Forced hydraulic jump on artificially roughned beds (M.Sc. thesis). Middle East Technical University, Department of Civil Engineering, Ankara, Turkey.

Siviapragasam, C. and Liong S. 2001. Rainfall and runoff forcasting with SSA-SVM approach. Journal   of Hydroinformation, 3: 141-152.

Wang, H. and Murzyn, F. 2017. Experimental assessment of characteristic turbulent scales in two-phase flow of hydraulic jump: from bottom to free surface. Environmental Fluid Mechanics, 17(1): 7-25