عنوان پایان‌نامه
تخمین تغییر شکل خط ساحلی با استفاده از مدل عددی و شبکه عصبی مصنوعی
- رشته تحصیلی
- مهندسی عمران - مهندسی آب
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 1544;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 50278
- تاریخ دفاع
- ۲۹ شهریور ۱۳۹۰
- دانشجو
- محمدمهدی صفارزاده
- استاد راهنما
- رضا غیاثی
- چکیده
- در این پایان‌نامه، با استفاده از مدل عددی و شبکه‌ی عصبی مصنوعی، تغییرات بلندمدت خط ساحلی تخمین زده شده‌است. شکست موج در نزدیکی ساحل، جریانی را در امتداد ساحل ایجاد می‌کند که جابجایی رسوبات بستر را به همراه دارد. هم‌چنین رسوبات معلق‌شده بر اثر شکست موج توسط این جریان در امتداد ساحل جابجا می‌شوند. جابجایی رسوبات در ناحیه‌ی ساحلی بر اثر باد و موج، جزء فرآیندهای مهم ساحلی است و در طول زمان، تغییرات قابل توجهی در شکل ساحل ایجاد می‌نماید. جابجایی خط ساحلی، هزینه‌های زیادی را به سازه‌های ساحلی تحمیل می‌کند و بایستی مورد توجه قرار گیرد. در پژوهش حاضر، ابتدا معادله‌های مورد استفاده در مدل‌سازی عددی ارائه شده و با کاربرد روش تفاضل محدود، گسسته‌سازی شده‌اند. در این گسسته‌سازی اثر زاویه‌ی شکست موج، که در روش تحلیلی از آن صرف نظر می‌شود، منظور گردیده‌است. سپس برای دو آزمون که حل تحلیلی آن‌ها در دسترس است، مدل‌سازی عددی انجام شده و نتایج آن، با حل تحلیلی مقایسه گردیده‌اند. هم‌چنین تخمین تغییرات بلندمدت با کاربرد شبکه‌ی عصبی بر اساس نتایج مدل عددی انجام پذیرفته‌است. برای مدل‌سازی شبکه‌ی عصبی پارامترهای مؤثر شامل فاصله‌ی زمانی، فاصله‌ی مکانی، عرض مکانی، شیب اولیه‌ی خط ساحلی، زاویه‌ی شکست موج و ضریب انتقال رسوب مورد بررسی قرار گرفته‌اند. مقایسه‌ی مدل‌های عددی و شبکه‌ی عصبی با حل تحلیلی، دقت مناسب این روش ها را نشان می‌دهد. دو آزمون مختلف برای صحت‌سنجی مدل‌ها مورد استفاده قرار گرفته‌اند که عبارت اند از: (الف) یک خط ساحلی مستقیم با موج‌شکن انتهایی و (ب) خط ساحلی با انحنای اولیه. به عنوان آزمون سوم و مطالعه‌ی موردی، بندر ماهی‌گیری کارابورون در ترکیه مورد بررسی قرار گرفت. مدل عددی و شبکه‌ی عصبی اجرا شده و نتایج آن با داده‌های اندازه‌گیری مقایسه گردیده‌است. در این مورد، به علت نوسان زیاد خط ساحلی و نامشخص بودن برخی از پدیده‌های اثرگذار بر تغییرات، نتایج مدل عددی و شبکه‌ی عصبی مصنوعی از دقت کمتری برخوردار است.
- Abstract
- In this thesis, long term variation of shoreline profile has been estimated using numerical modeling and artificial neural network. Wave breaking near the shoreline causes longshore current which contributes transmission of bed sediments. Also suspended sediment caused by wave breaking will be transported alongshore by this current. Sediment transport due to wind induced waves plays an important role in coastal processes and develops a large amount of deformation in shoreline shape. Shoreline changes cost largely to coastal structures and must be considered and predicted. In this research, the equations which are used in numerical modeling are presented and discretized using finite difference method. Wave break angle is considered in this discretization; however it is neglected in previous research. Numerical modeling has been run for two tests and its results are compared with analytical solutions. In addition, long term variations which are calculated by numerical model are estimated using artificial neural network (ANN). Effective parameters such as temporal interval, spatial distance, initial position, initial tangent, wave break angle and transport rate are evaluated in ANN modeling. Compared to analytical solution, numerical models and ANN simulation provide high accuracy results. Two different tests are considered to verify the models, including: (a) a straight shoreline with a breakwater and (b) an initially curved shoreline. As a third test and as a case study, Karaburun fishery harbor in Turkey is discussed. Numerical modeling and artificial neural network run and their results are compared against measured field data. In this case, numerical models and ANN simulation cause less accuracy due to considerable shoreline fluctuation and unknown nature of influencing phenomena.
