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:

28
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

17
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 بکارگیری روش های بردار پشتیبان ماشین و رگرسیون قوسی تحت موج

صفحات

 صفحه شروع 1 | صفحه پایان 9

چکیده

 خطوط لوله انتقال­دهنده سیالات, یکی از مهم­ترین عوامل توسعه و رشد اقتصادی هر کشوری محسوب می­ شوند که برای انتقال سوخت های سیال, پسماندها و فاضلاب ­ها و یا برای انتقال هر سیال دیگر استفاده می ­شوند. هنگامی که این خطوط لوله بر روی بستر دریا و اقیانوس قرار می ­گیرند, باعث ایجاد تغییراتی در جریان شده که افزایش تنش برشی و آشفتگی سیال را به ­دنبال دارد. همین امر سبب بیشتر شدن ظرفیت حمل رسوب و در نتیجه ایجاد حفره آبشستگی می­ شود. با بزرگ­تر شدن چاله آبشستگی, تنش ­ها و بارهای نوسانی باعث خستگی و گسیختگی لوله ­ها می ­شود. همین امر اهمیت بررسی پدیده آبشستگی در زیر خطوط لوله را نشان می ­دهد. در این تحقیق به تأثیر عوامل متعددی بر آبشستگی زیر خطوط لوله تحت موج با استفاده از روش رگرسیون فرایند گاوسی ((GPR)Gaussian Process Regression ) و ماشین بردار پشتیبان ((SVM)Support Vector Machine ) مورد مطالعه قرار گرفته است. بدین منظور از داده­ های آزمایشگاهی متعددی که استفاده شده است و پس از تعریف چندین پارامتر بدون بعد, عملکرد روش ­های مذکور مورد ارزیابی قرار گرفته است. نتایج به ­دست آمده به ­خوبی نشان­ دهنده این است که این روش ­ها نسبت به روابط تجربی نتایج بهتری دارند. با بررسی نتایج مشاهده شد که مدل ماشین بردار پشتیبان با متغیرهای ورودی KC, θ, Re و e/D با دارا بودن حداقل مقدار RMSE برابر 047/0 و همچنین حداکثر مقادیر R برابر 959/0 و NSE برابر 904/0 بهترین نتیجه و عملکرد را دارد و طبق نتایج به ­دست آمده از آنالیز حساسیت پارامتر KC, تأثیرگذارترین پارامتر بر روی عمق آبشستگی زیر خطوط لوله در حالت موج 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