بررسي كارايي شبكه عصبي مصنوعي در شبيه‌سازي يك بعدي جريان ناشي از شكست سد

Investigation of the Artificial Neural Network Performance in Simulation of the One Dimensional Dam Break Flow

با افزايش جمعيت و محدود بودن منابع آب شيرين، برنامه ريزي براي ذخيره آب امري لازم و ضروري است. سد هاي مخزني به منظور ايجاد مخزن ذخيره آب در عرض يك دره ساخته مي شوند. ساخت سدهاي مخزني اهداف و منافع زيادي دارند اما در صورت شكست، آثار مخربي را در پيش خواهند داشت. شكست سد را مي‌توان خرابي جزئي يا عمده در بدنه سد تعريف كرد كه به‌طور ناگهاني آب جمع شده در پشت سد از طريق دهانه ورودي به‌سرعت به سمت رودخانه پايين‌دست سرازير مي‌شود. شبكه عصبي مصنوعي روشي است كه بر پايه اتصال به‌هم‌پيوسته چندين واحد پردازشي ساخته مي‌شود. در اين مقاله مراحل شبيه‌سازي يك بعدي پديده شكست سد با استفاده از شبكه عصبي مصنوعي مورد بررسي قرار گرفته است. مقايسه نتايج بدست آمده از شبكه عصبي مصنوعي با مقادير تحليلي و عددي حاكي از كاهش زمان شبيه‌سازي به اندازه دو و سه برابر بوده است. همچنين پروفيل‌هاي سطح آب بدست آمده از روش شبكه عصبي براي حالت يك‌بعدي جريان ناشي از شكست سد به حل تحليلي متناظر نزديك بوده است.

With the increase in population and the scarcity of fresh water resources, planning for water storage is essential. Reservoir dams are built to form a reservoir over a valley. The construction of reservoir dams has many purposes and benefits, but they can have devastating effects if destroyed. Dam failure can be defined as minor or major damage to the dam body, which suddenly collects water behind the dam through the inlet to flow rapidly downstream. Artificial neural network is a computational method built by connecting multiple processing units. In this paper, one-dimensional simulation of dam breakage phenomena using artificial neural network is investigated. Comparison of the results of ANN with analytical and numerical results showed that the simulation time was reduced by two and three times. Also the water surface profiles obtained by neural network method for one-dimensional flow state due to dam failure were close to the corresponding analytical solution.