پیش بینی عمق آبشستگی پایه های پل با استفاده از فرمول های تجربی

نویسند‌گان: [ سپیده بیرامی پور ] - دانش اموخته کارشناسی ارشد سازه های ابی دانشگاه شهیدباهنرکرمان و کارشناس مطالعات اداره کل ابخیزداری و منابع طبیعی کرمان[ هادی حق جوئی ] - دانش اموخته کارشناسی ارشد سازه های ابی دانشگاه شهیدباهنرکرمان و کارشناس آب و فاضلاب شرکت مهندسین مشاورهلیل آب

خلاصه مقاله:

تخمین حداکثر عمق آبشستگی به منظور ایمنی و طراحی اقتصادی پل لازم و ضروری است فرمول های زیادی برای پیش بینی ماکسیمم عمق آبشستگی موضعی در محل پایه های پل توسعه یافته اند این فرمول ها از اطلاعات محدودی که از مدل های فیزیکی موجود بوده است به دست آمده است بنابراین به کارگیری این فرمول ها در طراحی متغیر است زیرا بین وضعیت های آزمایشگاهی و محل واقعی اندازه گیری تفاوت هایی وجود دارد ارزیابی فرمولهای متعددی که در داده های آزمایشگاهی هم به خوبی داده های میدانی به کار گرفته شود لازم است تا ما در امر پیش بینی ماکسیمم عمق آبشستگی پایه های پل کمک کند در این مقاله فرمول با استفاده از اطلاعات آزمایگشاهی و صحرایی مورد استفاده قرار گرفته است این فرمول ها شامل لارسن و تاج احمد لاراس و کلمن می باشد مقایسه بین اعماق پیش بینی شده و اندازه گیری شده از اطلاعات میدانی و آزمایشگاهی نشان می دهدد که روش لاراس یک تخمین قابل قبول از عمق آبشستگی پایه های پل ارائه می دهد

کلمات کلیدی:

 آبشستگی ، داده های صحرائی ، روابط تجربی ، خطای مجذورمیانگین مربعات RMSE

تاثیر استفاده گسترده از نانو مواد اصلاح کننده آسفالت بر کاهش هزینه های نگهداری راه و بهبود کیفیت روسازی

نویسند‌گان: [ حسن زیاری ] - دکتری راه وترابری هیئت علمی گروه عمران دانشگاه پیام نورتهران[ آرش ستاری ] - کارشناس ارشدراه و ترابری

خلاصه مقاله:

مواد اصلاح کننده نانو و نانوکامپوزیت ها جزو مؤثرترین اصلاح کننده های قیر و آسفالت به شمار می روند. اثرات مثبت فراوان اصلاح کننده های نانو در تحقیقات متعددی به اثبات رسیده است. مثل افزایش چسبندگی قیر، بهبود خواص رئولوژیکی قیر، افزایش مقاومت فشاری و مقاومت کششی مخلوط های آسفالتی و بهبود خواص قیر و آسفالت به کاهش خرابی های روسازی و همچنین کاهش هزینه های ترمیم و نگهداری و در نتیجه بهبود عملکرد روسازی راه خواهد انجامید. برای صنعت بسیار مهم است که میزان بهبود کیفیت راه، کاهش هزینه های نگهداری راه و نسبت سود به هزینه استفاده از نانو مواد اصلاح کننده آسفالت، به چه میزان است. این مقاله با استفاده از نتایج تحقیقات مختلف در زمینه انواع نانو مواد اصلاح کننده آسفالت با فرضیاتی در مورد تطبیق شرایط آزمایشگاهی به شرایط واقعی، به محسبه میزان تغییرات هزینه ترمیم و نگهداری، شاخص وضعیت روسازی (PCI) و همچنین نسبت سود به هزینه استفاده از نانو مواد اصلاح کننده در آسفالت پرداخته است. که البته به دلیل این که نانو مواد ارزیابی شده در این تحقیق اغلب وارداتی می باشند و همچنین افزایش نرخ ارز در چند سال اخیر عملاً استفاده نانو مواد وارداتی، صرفه اقتصادی خود را از دست داده اند

کلمات کلیدی:

 نانومواد ، اصلاح کننده آسفالت ، شاخص وضعیت روسازی ، ترمیم و نگهداری ، هزینه نگهداری

رسم گرافیکی دایره بدون استفاده از دستور دایره

قسمتی از کد برنامه :

cout<<“ENTER THE X COORDINATE:
”;
cin>>xc;
cout<<“ENTER THE Y COORDINATE:
”;
cin>>yc;
cout<<“ENTER THE RADIUS
”;
cin>>r;
putpixel(xc,yc,15);

شبیه سازی الگوی رسوب درمخزن سدالغدیرساوه با استفاده ازمدل هیدرودینامیکی CCHE2D

نویسند‌گان: [ احسان مبینی ] - دانشجوی کارشناسی ارشد گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی ساری[ علیرضا عمادی ] - استادیار گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی ساری[ رامین فضل اولی ] - استادیار گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی ساری

خلاصه مقاله:

در مدیریت منابع آب محاسبه حجم رسوب در مخازن سدها از اهمیت زیادى برخوردار است و از آنجا که پدیده ى رسوب گذارى در مخازن سدها پدیده اى پیچیده بوده، عدم اطلاع از میزان رسوب ورودى به مخزن سد و پیش بینی روش کنترل آن موجب کاهش عمر مفید مخزن می شود. هدف از این پژوهش استفاده از مدل CCHE2D در شبیه سازى الگوی رسوب در مخزن سد الغدیر (ساوه) می باشد. براى این منظور با استفاده از مشخصات جریان ورودى و خروجى از مخزن و همچنین خصوصیات رسوب ورودى به مخزن مدل براى یک دوره 14 ساله اجرا گردیده و با توجه به مقایسه بین نتایج مدل و هیدروگرافى مخزن در سال 1386 تطابق خوبى در شبیه سازى الگوی رسوب گذارى در مخزن سد ساوه مشاهده گردید

کلمات کلیدی:

 الگوی رسوبگذاری ، سدساوه ، CCHE2D

اسکریپت مت لب محاسبه عدد پی با استفاده از روش مونته کارلو

می‌توان مقدار عدد π (پی) را با استفاده از روش مونته کارلو محاسبه نمود.

یک مربع روی صفحه ترسیم کنید، سپس یک دایره را درون آن محاط کنید. در ادامه چندین شکل با اندازه یکسان را روی آن به طور یکنواختپخش کنید (برای مثال، دانه‌های شن یا برنج) در سرتاسر مربع.سپس تعداد اشیاء درون دایره را بشمارید، در چهار ضرب کنید و عدد به دست آمده را بر تعداد کل اشیاء درون مربع تقسیم نمایید.نسبت اشیاء درون دایره در مقابل اشیاء درون مربع تقریباً برابر خواهد بود با ۴/π، که همان نسبت سطح دایره‌است به سطح مربع؛ بنابراین شما تخمینی از عدد π را به دست آورده‌اید. توجه داشته باشید که چگونه تخمین عدد π از یک الگوی مشخص شده در روش مونته کارلو پیروی می‌کند.

ابتدا ما یک محدوده از متغیرها را تعریف کردیم که یک مربع بود که دایره ما را محاط کرده بود. سپس ورودی‌ها را به طور تصادفی تولید کردیم (پخش دانه‌ها به طور یکنواخت درون مربع)، سپس محاسبات را برای هر ورودی انجام دادیم (بررسی کردیم که آیا دانه درون دایره هست یا نه). در آخر، تمام جوابها را در جواب نهایی ادغام نمودیم. همچنین به این نکته توجه داشته باشید که دو ویژگی مشترک دیگر روش‌های مونته کارلو این است:

اتکای محاسبات بر اعداد تصادفی خوبهمگرایی تدریجی به سمت تخمین‌های بهتر در زمانی که داده‌های بیشتری شبیه‌سازی می‌شوند.

(منبع : ویکی پدیا )