تحلیل حساسیت عوامل مؤثر در هوادهی سرریز با استفاده از روش‌های هوشمند مصنوعی و ANFIS

هوادهی به جریان عبوری از سرریزها توسط هواده­ها یکی از روش­های مؤثر در کاهش دادن خسارت ناشی از کاویتاسیون در این سازه­ها می­باشد. در این تحقیق جهت برآورد هوای مورد نیاز هواده­ها از سه روش­ شبکه عصبی مصنوعی (مبتنی بر الگوریتم لونبرگ- مارکواد)، ترکیبی عصبی- فازی (ANFIS) و رابطه تجربی فیشر استفاده شد. پارامتر‌های h0 (عمق جریان در ابتدای سیستم هواده)، Qwater (دبی جریان عبوری از سریز)، s (ارتفاع پله)، α (زاویه رمپ) و hs (اختلاف فشار بین اتمسفر و فشار زیر جت جریان عبوری از روی سیستم هواده) به‌عنوان عوامل مؤثر بر میزان جریان هوای مورد نیاز هواده در نظر گرفته شدند و مدل­سازی بر اساس این پارامترها صورت گرفت. نتایج مدل­سازی نشان داد که در صورت در نظر گرفتن همه پارامترها روش ANFIS نسبت به دو روش دیگر عملکرد مطلوب­تری دارد. نتایج تحلیل حساسیت نشان داد که پارامتر اختلاف فشار مهم‌ترین پارامتر در مدل­سازی با استفاده از هر دو روش عصبی و ANFIS است به گونه­ای که در اثر حذف شدن این پارامتر در مدل­سازی، ریشه میانگین مربعات خطا برای روش­های شبکه عصبی و ANFIS به ترتیب در حدود 54/37 و 74/224 درصد افزایش می­یابد. درصد افزایش ریشه میانگین مربعات خطا در اثر حذف شدن پارامتر ارتفاع پله برای روش شبکه عصبی و ANFIS به ترتیب در حدود 39/5 و 4/13 درصد می­باشد که کمترین مقدار را در بین­ سایر پارامترها داشت و به‌عنوان کم اهمیت­ترین پارامتر در مدل­سازی با استفاده از هر دو روش شناخته شد.