en استفاده از شبکه‌های عصبی مصنوعی در تحلیل هیدرودینامیکی سکوهای شناور سازه های فراساحلی Offshore Structure مقاله پژوهشي Research Paper <div dir="RTL"> <p dir="RTL">سازه های دریایی شناور بالاخص سیستم‌های شناور تولید، ذخیره و انتقال <span dir="LTR">(</span><span dir="LTR">FPSOs</span><span dir="LTR">)</span> نفت هنوز مورد استفاده وسیعی در مخازن کوچک و بزرگ نفت و گاز در آب عمیق بشمار می‌آیند. برای پیش‌بینی پاسخ‌های این سازه شناور تحت اثر بارهای محیطی وارده در طول عمر بهره‌برداری از روش طراحی مبتنی بر پاسخ (<span dir="LTR">Response</span><span dir="LTR">-</span><span dir="LTR">Based</span>) بطور اغلب استفاده می گردد. گرچه این روش هنوز مراحل اولیه تکامل را می‌گذراند. بدست آوردن پاسخ‌های سازه شناور تحت تأثیر بارهای هیدرودینامیکی ناشی از شرایط محیطی دراز مدت دریا از ملزومات بکارگیری صحیح این روش محسوب می‌گردد. اگرچه اغلب اجرای یک شبیه‌سازی کامل برای هر 3 ساعت زمان از اطلاعاتی محیطی در نظر گرفته شده عملی نمی‌باشد. بنابراین تکنیک شبکه‌های عصبی مصنوعی برای پیش‌بینی پاسخ‌های سکوی شناور <span dir="LTR">FPSO</span> تحت تأثیر بارهای تصادفی باد، موج و جریان توسعه داده شده است.</p> <p dir="RTL">مقایسه نتایج بدست آمده از اعمال این روش (شبکه‌های عصبی مصنوعی) بر روی سکوهای <span dir="LTR">FPSO</span>&nbsp; با تناژ 000/200 تن&nbsp;&nbsp;&nbsp; (<span dir="LTR">DWT</span>) با روش مدل ریاضی متداول نشان می‌دهد که این روش قادر به پیش‌بینی پاسخ‌های شناور تحت بارهای تصادفی بطور موفقیت آمیز می‌باشد.</p> <p dir="RTL">&nbsp;</p> </div> <p></p> <p>Floating offshore structures, particularly floating oil production, storage and offloading systems (FPSOs) are still in great demand, both in small and large reservoirs, for deployment in deep water. The prediction of such vessels&rsquo; responses to her environmental loading over her lifetime is now often undertaken using response-based design methodology, although the approach is still in its early stages of development. Determining the vessel&rsquo;s responses to hydrodynamic loads induced by long term sea environments is essential for implementing this approach effectively. However, it is often not practical to perform a complete simulation for every 3-hour period of environmental data being considered. Therefore, an Artificial Neural Networks (ANN) modelling technique has been developed for the prediction of FPSO&rsquo;s responses to arbitrary wind, wave and current loads that alleviates this problem. Comparison of results obtained from a conventional mathematical model with those of the ANN-based technique for the case of a 200,000 tdw tanker demonstrates that the approach can successfully predict the vessel&rsquo;s responses due to arbitrary loads.</p> سکوهای دریایی شناور, شبکه های عصبی هوشمند, Seakeeping seakeeping, floating offshore platforms, artificial neural networks 48 60 http://marine-eng.ir/browse.php?a_code=A-10-1-28&slc_lang=en&sid=1 Saied Mazaheri سعید مظاهری 10031947532846002526 10031947532846002526 Yes Transportation Research Institute بخش حمل و نقل و تکنولوژی دریایی پژوهشکده حمل و نقل