(2002) Development of an equivalent dispersion coefficient for a complex contaminant transport model. Masters thesis, King Fahd University of Petroleum and Minerals.

Preview

PDF 9681.pdf Download (9MB) | Preview

Arabic Abstract

ان قدرة نظم الذكاء الصناعي لتسهيل إيجاد الحلول للمشاكل الصعبة في الهندسة المدنية التي تتطلب التدبر الرمزي والمعالجة الفعالة للمعرفة المختلفة قد نالت الكثير من الاهتمام مؤخراً . إن عملية انتقال الملوث تحت سطح الأرض مشكلة معقدة جداً ويمكنها أن تستفيد من مثل هذا النظام . طورت عدة نماذج نظرية متطورة للتنبؤ بعملية نقل المواد المذابة في البيئة المسامية . مع كل نموذج متطور تظهر عوامل إضافية يكون تحديدها صعبا في المعمل . في هذه الدراسة تم ربط عناصر نموذج نقل الملوث المعقد بمعامل وحيد يسمى معامل التسرب المتكافئ (EDC) . هذه الدراسة تقدم أيضاً تطوير وتصميم شبكة عصبية صناعية وقادرة على التنبؤ بـ (ANN) لنموذج نقل الملوث . يكون العمل من عدة مهام تبدأ بجمع البيانات من محاكات الرقمية ، بعد ذلك استخدمت البيانات لتدريب نموذج الشبكات العصبية باستخدام (BPA) و (LMA) . بمجرد انتهاء عملية التدريب أجيزت النماذج باستخدام بيانات تجريبية وصناعية تعطي النماذج المدربة قيم (EDC) عندما تتلقى بيانات حدودها أقل من دخلها . يستخدم (EDC) في معادلة التأفك والانتشار للتنبؤ بتركيز المواد المذابة . أظهرت النتائج التي أحرزت من هذه الطريقة الجديدة نتائج قريبة من الدراسات السابقة . بالإضافة لهذا فإن ميزة الطريقة الحالية هي العملية الآلية للحصول على قيم (EDC) .

English Abstract

The ability of artificial intelligence systems to facilitate the generation of solutions for difficult problems in civil engineering that require symbolic reasoning and efficient manipulation of diverse knowledge has generated a considerable interest recently. The process of contaminant transport in the subsurface environment is a very complex problem which can benefit from such system. Several sophisticated theoretical models have been developed to predict the process of solute transport in porous media. Unknown parameters which are extremely difficult to determine in the laboratory are introduced with each developed model creating an added difficulty. In this study the parameters of a complex contaminant transport model are related to a single parameter named the Equivalent Dispersion Coefficient (EDC). This study also presents the development and design of artificial neural network (ANN) model that is able to predict the EDC for a contaminant transport model. The work consists of several tasks starting with generation of data from numerical simulations. Next the data is used to train the neural network models. Two learning algorithms Back Propagation Algorithm and Levenberg Marquardt. Algorithm are used to train the neural network models on a specific range of data. Once the training is complete these models are validated using synthetic as well as experimental data. The trained models give the EDC values when it receives the dimension less parameter data as their input. The EDC is used in linear equilibrium advective dispersive equation to predict solute concentrations. The results obtained from this new approach are in good agreement with the previous studies. In addition to this, the advantage of the current approach is the automated process of obtaining EDC values.

Item Type:	Thesis (Masters)
Subjects:	Civil Engineering
Department:	College of Design and Built Environment > Civil and Environmental Engineering
Committee Advisor:	Al-Suwaiyan, Abdul-Aziz
Committee Members:	Bukhari, Alaadin A. and Allayla, Rashid I.
Depositing User:	Mr. Admin Admin
Date Deposited:	22 Jun 2008 13:46
Last Modified:	01 Nov 2019 13:49
URI:	http://eprints.kfupm.edu.sa/id/eprint/9681