پيش بيني جريان در ديفيوزر نامتقارن دو بعدي توسط شبكه عصبي و مقايسه نتايج با سه مدل آشفتگي و داده هاي تجربي

در كار حاضر جريان آشفته در يك ديفيوزر دو بعدي نامتقارن مورد بررسي و مطالعه قرار گرفته‌است. در بسياري از كاربردها، اطلاع از اين‌كه آيا لايه مرزي از سطح يا داخل يك جسم خاص جدا مي‌شود و اين‌كه دقيقاً جداسازي جريان در كجا رخ مي‌دهد، از اهميت خاصي برخوردار است. تركيب داده‌هاي آشفتگي با هوش مصنوعي در حال حاضر يك موضوع تحقيقاتي فعال براي مطالعه آشفتگي است. در اين مقاله پيش‌بيني جدايش جريان با وجود گراديان فشار معكوس در ديفيوزر دوبعدي نامتقارن، با استفاده از سه مدل آشفتگي شامل مدل استاندارد ke، مدل استاندارد kw و مدل SST kw و مدل هوشمند شبكه عصبي مصنوعي (ANN) مورد بررسي و مقايسه قرار گرفته‌است. براي شبيه‌سازي عددي و حل معادلات حاكم از نرم افزار فلوئنت استفاده شده‌است. نتايج در فواصل 21، 29، 39 و 49 سانتي متري از لبه ديفيوزر مورد تحليل قرار گرفتند و با داده‌هاي تجربي مقايسه شدند. x و y/H هر نقطه به‌عنوان ورودي و U/U0 سرعت در آن نقطه به‌عنوان خروجي شبكه عصبي درنظر گرفته شده‌است. شاخص‌هاي آماري RMSE, MBE, ttest براي نقاط موردنظر محاسبه و گزارش شده‌است. مدل شبكه مصنوعي نسبت‌به سه مدل آشفتگي، پيش‌بيني بهتري از جدايش جريان را نشان مي‌دهد و مدل استاندارد ke نسبت‌به مدل هاي ديگر پيش بيني ضعيف تري را نشان مي‌دهد. اين تحقيق چشم‌انداز مدل‌سازي آشفتگي را با روش‌هاي يادگيري ماشين به‌خصوص شبكه عصبي نشان مي‌دهد.