مقالة دراسة العوامل المؤثرة على مسقط الجريان الحر وخشونة القاع في القنوات نصف الدائرية باستخدام الشبكة العصبية الاصطناعية Neural Network
الشريط الجانبي للمقالة
محتوى المقالة الرئيسي
الملخص
واحدة من أكبر المشاكل التي تواجه مهندس الموارد الميائية هي حساب معامل الخشونة لحسابات التصميم اللاحقة لكمية تصريف القناة أو النهر. في هذه الدراسة، أجريت التجارب في قناة مستقيمة نصف دائرية لاستقصاء العوامل المؤثرة على خشونة االقاع وتصريف الجريان باستخدام الشبكة العصبية الاصطناعية (ANN).لهذا الغرض، تم إنشاء ثلاثة نماذج للقنوات نصف الدائرية ذات مسقط حر وتم تثبيتها في قناة مختبرية بطول 6 أمتار. جميع هذه النماذج بطول 2.50 م وتضمنت ثلاثة أقطار مختلفة D=150, 187, and 237) ملم، مع ثلاثة ميول قاع (S= 0.004, 0..8 and 0.012). تم استخدام ثلاثة أحجام لحبيبات الرمل (ds) لكل ميل لتخشين طبقة قاع القناة. أظهرت النتائج أن معامل خشونة مانينغ (n) الذي تم الحصول عليه باستخدام سطح قاع خشن أعلى من القناة ذات سطح القاع الأملس. كما أوضحت النتائج وجود علاقة عكسية بين معامل مانينغ للخشونة ورقم قرود. أظهر تحليل (ANN) اتفاقًا جيدًا بين النتائج المختبرية والمتوقعة لتصريف الجريان والخشونة، وكان عمق الجريان عند نقطة القوط الحر (yb) له نسبة تأثير 85.8 ٪ على تصريف الجريان الحر لقناة نصف دائرية، بينما ميل القاع كانت نسبة تأثيره 1.1٪ فقط.
المقاييس
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
THIS IS AN OPEN ACCESS ARTICLE UNDER THE CC BY LICENSE http://creativecommons.org/licenses/by/4.0/
##plugins.generic.plaudit.displayName##
المراجع
Buffington JM, Montgomery DR. Effects of hydraulic roughness on surface textures of gravel‐bed rivers. Water Resources Research 1999; 35(11):3507–3521.
Guo Y, Zhang L, Shen Y, Zhang J. Modeling Study of Free Overfall in a Rectangular Channel with Strip Roughness. Journal of Hydraulic Engineering 2008; 134(5):664–667.
Bilgil A, Altun H. Investigation of flow resistance in smooth open channels using artificial neural networks. Flow Measyrement and Instrumentation 2008; 19(6):404–408.
Yuhong Z, Wenxin H. Application of artificial neural network to predict the friction factor of open channel flow. Communications in Nonlinear Science and Numerical Simulation 2009; 14(5):2373–2378.
Sadeque MA, Rajaratnam N, Loewen MR. Effects of bed roughness on flow around bed-mounted cylinders in open channels. Journal of Engineering Mechanics (ASCE) 2009; 135(2):100–110.
Mohammed MY, Al-taee AY, Al-Talib AN. Gravel Roughness and Channel Slope Effects on Rectangular Free Overfall. Damascus University Journal 2011; 27(1):47–54.
Devkota JP, Baral D, Rayamajhi B, Tritico HM. Variation in manning’s roughness coefficient with diameter, discharge, and slope in partially filled HDPE Culverts. World Environmental and Water Resources Congress: Crossing Boundaries 2012: 1716–1726.
Mohammed-Ali WS. Hydraulic Characteristics of Semi-Elliptical Sharp Crested Weirs. International Journal Review of Civil Engineering 2012; 3: 42-46.
Ahmad NA, Bahry SIS SI, Ali ZM, Daud AMM, Musa S. Effect of Flow Resistance in Open Rectangular Channel. MATEC Web of Conferences, 2017;97.
Mohammed AY. Artificial Neural Network (ANN) Model for End Depth Computations. Journal of Civil and Environmental Engineering 2018; 8(3):2-5.
Irzooki R, Hasan S. Characteristics of flow over the free overfall of triangular channel. MATEC Web of Conferences, 2018; 162:1–6.
Jahanpanah E, Khosravinia P, Sanikhani H, Kisi O. Estimation of discharge with free overfall in rectangular channel using artificial intelligence models. Flow Measurement and Instrumentation 2019; 67:118–130.
Ahmad NA, Hadzim MF, Musa S. Experimental Study for Determination of Bed Roughness in Open Rectangular Channel. IOP Conference Series: Earth and Environ Science 2020; 498.
Irzooki RH, Yass MF. Hydraulic Characteristics of Flow Over Triangular Broad Crested Weirs Hydraulic Characteristics of Flow Over Triangular Broad Crested Weirs. Engineering and Technology Journal 2015; 33(7): 86–96
Schlichting H. Experimental investigation of the problem of surface roughness. National Advisory Commitee for Aeronautics, 1937.
Morris HM. Design methods for flow in rough conduits. Journal of the Hydraulics Division (ASCE) 1959; 85(HY7):43–62.
Gordienko PI. The influence of channel roughness and flow states on hydraulic resistances of turbulent flow. Journal of Hydraulic Research 1967; 4:249–261.
Ripley BD. Neural Networks and Pattern Recognition. New York Cambridge Univ. Press, 1996.
Dolling OR, Varas EA. Artificial neural networks for streamflow prediction. Journal of Hydraulic Research 2002; 40(5):547–554.
Sahu M, Khatua KK, Mahapatra SS. A neural network approach for prediction of discharge in straight compound open channel flow. Flow Measurement and Instrumentation 2011; 22(5):438–446.
Jamel AA. Numerical simulation for estimating energy dissipation over different types of stepped spillways and evaluate the performance by Artificial Neural Network. Tikrit Journal for Engineering Sciences 2018; 25(2):18-26.
IBM SPSS Neural Networks 22 manual.
Ali SIH. Experimental Study for Characteristics of Flow in Triangular Channels with Free Over Falls. M.Sc. Thesis, College of Engineering-Tikrit University, 2014.