امیرحمزه فرج الهی - دانشکده مهندسی، دانشگاه امام علی (ع)، تهران، ایران
محسن رستمی - دانشکده مهندسی، دانشگاه امام علی (ع)، تهران، ایران
علی اصغر نادری - دانشکده مهندسی مکانیک-دانشگاه امام علی (ع)، تهران، ایران

یکی از ابزارهای مهم و اصلی مطالعه جریان و معیار ارزیابی دیگر روش ها مانند روش های عددی، داده های آزمایشگاهی مکانیک سیالات است. بنابراین، کیفیت مطلوب داده هایی که در آزمایشگاه اندازه گیری می شوند، مهم می باشد. میدان سرعت سیال، یکی از اطلاعات مهم هر جریانی است که با ابزارهای مختلفی اندازه گیری می شوند. یکی از آن ابزارها، ابزار اس.پی.آی.وی است. این ابزار، اطلاعات صفحه ای را از مولفه های سرعت جریان در اختیار قرار می دهد. معمولا، داده های استخراج شده از این ابزار، در برخی از نقاط میدان سرعت، به دلایل مختلف و شرایط آزمایشگاهی، دارای خطای زیادی خواهند شد و مقادیر بدست آمده در این نقاط، حذف می گردند که اصطلاحا به آن ها، نقاط نقص گویند. بنابراین، برای بازسازی میدان سرعت در نقاط نقص، روش هایی مورد نیاز است که در این راستا، در پژوهش حاضر، از شبکه های عصبی مصنوعی، همانند ام.ال.پی و سی.ان.ان استفاده شده است. بهینه سازی تعداد نرون های شبکه ام.ال.پی، توسط میانگین خطای داده های تست و تطابق تصاویر، انجام شده است. خطای نهایی برای هر یک از روش ها بدست آمده است که با توجه به خطاها و تطابق میدان سرعت بازسازی شده با داده های آزمایشگاهی، این نتیجه حاصل شد که برای هر دو مولفه سرعت، شبکه عصبی سی.ان.ان بهترین عملکرد را داشته است.

بازسازی, نقاط نقص, میدان سرعت, ام.ال.پی, سی.ان.ان, اس.پی.آی.وی