CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیش بینی و ارزیابی عمق آبشستگی در زیر خطوط لوله با استفاده از روش های پایه کرنلی برای جریان های یکنواخت

عنوان مقاله: پیش بینی و ارزیابی عمق آبشستگی در زیر خطوط لوله با استفاده از روش های پایه کرنلی برای جریان های یکنواخت
شناسه ملی مقاله: JR_CEEJ-52-109_001
منتشر شده در در سال 1401
مشخصات نویسندگان مقاله:

کیومرث روشنگر - گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز
شیما شفیع نائیبی - گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز
محمدعلی لطف الهی یقین - گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز
مهرداد رمضانیلر - دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی

خلاصه مقاله:
امروزه در سراسر دنیا از خطوط لوله برای انتقال سیالات از نقطه ای به نقطه دیگر استفاده می شود. عبور خطوط لوله از بستر رودخانه، دریا و اقیانوس ها باعث ایجاد تغییراتی در الگو جریان می شود. در نتیجه این تغییرات، تنش برشی بستر و آشفتگی جریان افزایش می یابد و خاک بستر زیر این خطوط را دچار آبشستگی کرده و گودال آبشستگی به وجود می آید. این گودال ها سبب می شوند که لوله تحت اثر نیروی وزن خود در معرض آسیب دیدگی و شکست باشد؛ که در صورت وقوع این اتفاق خسارات جبران ناپذیر محیط زیستی و مالی ایجاد می کند. از این رو بررسی عمق گودال آبشستگی و عوامل موثر در به وجود آمدن آن برای کاهش آبشستگی و خسارات ناشی از آن بسیار حائز اهمیت می باشد. در این تحقیق به تاثیر عوامل متعددی بر آبشستگی زیر خطوط لوله در جریان یکنواخت با استفاده از روش رگرسیون فرایند گاوسی (GPR) و ماشین بردار پشتیبان (SVM) و مقایسه نتایج آن با روابط ارائه شده پرداخته شده است. بدین منظور داده های آزمایشگاهی متعددی مورد استفاده قرار گرفته و پس از تعریف چندین پارامتر بدون بعد، عملکرد روش های مذکور مورد ارزیابی قرار گرفته است. نتایج به دست آمده به خوبی نشان می دهد که این روش ها کارایی بهتری نسبت به روابط تجربی دارند. بررسی ها نشان داد مدل ماشین بردار پشتیبان با متغییرهای ورودی h/D، D/d، Re و S۰ با دارا بودن مقادیر معیارهای ارزیابی RMSE برابر ۰۸۴/۰، R برابر با ۸۷۷/۰ و NSE برابر ۷۶۷/۰ بهترین نتیجه و عملکرد را دارد.

کلمات کلیدی:
عمق آبشستگی, خطوط لوله, جریان یکنواخت, توابع کرنل, روش رگرسیون گاوسی, ماشین بردار پشتیبان

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1777175/