مقاله کنفرانسی سال ۱۳۹۴ انگلیسی

Computational fluid dynamics and artificial neural network models in prediction flow variables in a sharp bend

Computational fluid dynamics and artificial neural network models in prediction flow variables in a sharp bend

چکیده مقاله

This paper presents an experimental and numerical study of the flow patterns in a strongly curved 60º open channel bend Corresponding numerical model is based on the computational fluid dynamics CFD and artificial neural network ANN method The use of artificial intelligence methods in different hydraulic sciences has become conventional in recent years In this study, the Fluent CFD model with k ε RNG turbulence model is used to simulate turbulent flow parameters and compared of flow pattern in a 60° sharp bend by using ANN Methods The results show that, enjoying low error values, the Fluent model has an acceptable level of consistency with the available experimental results ANN model can predict velocity pattern fairy accurately The error values of Fluent and ANN models are smaller in the outer wall contraction zones in comparison with the inner wall separation zone It could therefore be said that the error value is greater in highvelocity areas erosion prone areas than in low velocity areas sedimentationprone areas The error value is very small in the cross sections located after the bend in two models The models comparison shows that the ANN model with root mean square error RMSE equal 2 6 is more accurate than Fluent model with 4 43 error in velocity prediction at a 60° bend

کلیدواژه‌ها

نویسندگان

تصویر Azadeh Gholami

Azadeh Gholami

Ph D Student, Department of Civil Engineering, Razi University, Kermanshah, Iran

تصویر Salma Ajeel

Salma Ajeel

M Sc Student, Department of Civil Engineering, Razi University, Kermanshah, Iran

تصویر Hossein Bonakdari

Hossein Bonakdari

Associate Prof, Department of Civil Engineering, Razi University, Kermanshah, Iran

شیوه ارجاع

Gholami, Azadeh and Ajeel, Salma and Bonakdari, Hossein and akhtari, Ali Akbar,1394,Computational fluid dynamics and artificial neural network models in prediction flow variables in a sharp bend,10th International River Engineering Conference,Ahvaz

ارائه‌شده در

پوستر مجموعه مقالات دهمین سمینار بین المللی مهندسی رودخانه مجموعه مقالات دهمین سمینار بین المللی مهندسی رودخانه29 دی 1394 · اهواز
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۳۹۱ ۵,۴۸۵ مشاهده

اجاره اراضی بستر رودخانه ها و منابع آبی )بر اساس ماده 01 آئین نامه حریم و بستر

با عنایت به جاری بودن رودخانه های متعدد، وجود تالاب های بزرگ و ساحل طولانی خلیج فارس و باپتانسیل متنوع ص…

کاربریحریم و بسترماده10
مقاله کنفرانسی سال ۱۳۹۱ ۳,۶۳۰ مشاهده

بررسی سیستم جمع آوری آبهای سطحی سازگار با محیط زیست و مدلسازی آن با استفاده ازمدل SWMM5

باتوسعه مناطق شهری ودستخورده شدن این حوضه ها حجم رواناب افزایش و میزان نفوذکاهش یافته است باتوجه به خسار…

سیلاب شهریسیستم ماندزیستیمدل SWMM
مقاله کنفرانسی سال ۱۳۹۱ ۳,۰۰۲ مشاهده

استخراج خصوصیات فیزیوگرافی حوضه های آبریز و شبکه های آبراهه با استفاده ازGIS مطالعه موردی حوضه آبریز دریاچه ارومیه

سیستم اطلاعات جغرافیایی عبارت ازسیستمی متشکل ازرایانه نرم افزار روش و مدلهای طراحی شده به منظور حمایت در…

فیزیوگرافیحوضه آبریزدریاچه ارومیه gis
مقاله کنفرانسی سال ۱۳۹۴ ۲,۸۰۷ مشاهده

نحوه شناسایی و مدیریت مسیل های متروک شهری

به طور کلی در همه کشورهای دنیا رودخانه ها محل توسعه و شکل گیری کانون های جمعیتی بوده است لکن عموما به وا…

شهریسیلابمسیل متروک
مقاله کنفرانسی سال ۱۳۹۴ ۲,۷۵۹ مشاهده

بررسی عوامل عمده تشدید خسارات ناشی از سیل در ایران و روش های کنترل آن

ایران ششمین کشور از 10 کشور نخست بلاخیز جهان می باشد براساس آمار موجود در کشور ما انواع بلایای طبیعی اتف…

کنترل سیلابریسکبحران
مقاله کنفرانسی سال ۱۳۹۴ ۲,۵۷۵ مشاهده

انتقال آب بین حوضه ای و چالش های اقتصادی اجتماعی و امنیتی آن در استان خوزستان

یکی از بزرگترین چالش های قرن حاضر آب است، که می تواند در آینده بسیار نزدیک منشا تحولات مثبت و منفی بسیار…

کم آبیانتقال بین حوضه ای آبچالش های اجتماعی و امنیتی