مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

37
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

3
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

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

صفحات

 صفحه شروع 1 | صفحه پایان 12

چکیده

 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 مؤثر در به وجود آمدن آن برای کاهش آبشستگی و خسارات ناشی از آن بسیار حائز اهمیت می باشد. در این تحقیق به تأثیر 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 منظـور داده های آزمایشگاهی متعددی مورد استفاده قرار گرفته و پس از تعریف چندین پارامتـر بدون بعد, عملکرد روش های مذکور مورد ارزیابی قرار گرفته است. نتایج به دست آمده به خوبی نشان می دهـد که این روش ها کارایی بهتری نسبت به روابط تجربی دارند. بررسی ها نشان داد مـدل ماشین بردار پشتیبان با متغییرهای ورودی h/D, D/d, Re و S0 با دارا بودن مقادیر معیارهای ارزیابی RMSE برابر 084/0, R برابر با 877/0 و NSE برابر 767/0 بهترین نتیجه و عملکرد را دارد.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button