Design of channel section for minimum water loss using Lagrange optimization and artificial neural networks

• Main Author: Ahmed M. Tawfik
• Format: Article
• Language: English
• Published: Elsevier 2021-03-01
• Series: Ain Shams Engineering Journal
• Subjects: Open channel; Lagrange; Optimization; Neural networks
• Online Access: http://www.sciencedirect.com/science/article/pii/S2090447920301015

Evaporation and seepage are the most important forms of water loss in an open channel. Evaporation loss depends on the area of free surface while, seepage loss is function of channel geometry. The design that achieves minimum water loss is determined for trapezoidal and rectangular cross sections using Lagrangian method with Manning’s equation as a constraint. The water loss function which comprises evaporation and seepage loss was used. Matlab code is created to solve the equations of optimization by trial and error. An approach to determine the bed width and water depth from known discharge, side slope, longitudinal slope, manning’s coefficient, evaporation rate, and soil type is proposed. Design charts which determine bed width and water depth that ensure minimum water loss are presented. Moreover, artificial neural networks are used to get the best design for any value of evaporation rate. Using the created design charts and neural networks optimum design can be determined easily, accurately and quickly. ملخص: ملخصيعد التبخر والتسرب من أهم أشكال فقدان الماء في القنوات المفتوحة. ويعتمد الفقد بالتبخر على مساحة السطح الحر في حين أن فقدان التسرب يعتمد على الشكل الهندسي للقنوات. يتم تحديد التصميم الذي يحقق الحد الأدنى من فقدان المياه للقطاعان شبه المنحرف والمستطيل باستخدام طريقة لاجرانج مع معادلة ماننج كقيد. تم استخدام معادلة لفقد الماء تشتمل على التبخر التسرب. تم كتابة برنامج ماتلاب لحل معادلات تحقيق القيم الدنيا لفقد المياه عن طريق المحاولة والخطأ. تم اقتراح نهج لتحديد عرض القطاع وعمق المياه بمعلومية التصرف والميل الجانبي والميل الطولي ومعامل ماننج وقيمة البخر ونوع التربة. تم تقديم مخططات التصميم التي تحدد عرض القطاع وعمق المياه التي تضمن الحد الأدنى من فقدان المياه. بالاضافة إلى ذلك تم استخدام الشبكات العصبية الاصطناعية لتحديد التصميم الأمثل اياً كانت قيمة البخر. باستخدام مساعدات التصميم والشبكات العصبية الاصطناعية يمكن تحديد التصميم الأمثل بسهولة ودقة وسرعة.