بررسی عملکرد روشهای کلاسیک و هوش مصنوعی در تخمین ضریب زبری در پیچانرودها
- سال انتشار: 1397
- محل انتشار: نشریه آبیاری و زهکشی ایران، دوره: 12، شماره: 4
- کد COI اختصاصی: JR_IDJ-12-4_006
- زبان مقاله: فارسی
- تعداد مشاهده: 368
نویسندگان
دانشیار گروه آب دانشکده عمران دانشگاه تبریز
دانشجوی دکتری عمران مهندسی و مدیریت منابع آب دانشگاه تبریز
چکیده
برآورد دقیق ضریب زبری رودخانهها همواره از مسایل مهم و اساسی در مدل سازی هیدرولیک رودها میباشد. در تحقیق کنونی از روشهای هوشمند ماشینبردار پشتیبان (SVM) و سیستم استنتاج تطبیقی عصبی- فازی (ANFIS) جهت تخمین زبری هیدرولیکی پیچانرودها استفاده گردید و تاثیر پارامترهای مختلفی از قبیل شیب کانال، میزان سینوسی بودن کانال و همچنین پارامترهای هیدرولیکی مانند عدد رینولدز جریان در تعیین زبری این نوع کانالها مورد بررسی قرار گرفت. از طرف دیگر، نتایج حاصل با روشهای کلاسیک مقایسه گردید. جهت مدلسازی ضریب زبری از دو سری داده آزمایشگاهی مربوط به کانالهای سینوسیشکل استفاده گردید. نتایج حاصله نشانداد که روشهای هوشمند SVM و ANFIS در تخمین ضریب زبری مانینگ در رودخانههای طبیعی نسبت به فرمول های نیمهتجربی دقیقتر و قابل اعتمادتر میباشند. ملاحظه گردید که در تخمین ضریب زبری مانینگ مدل با پارامترهای ورودیα (ضریب شکل)، Sr(ضریب مارپیچی)، S۰(شیب کانال) و Re(عدد رینولدز) منجر به جوابهای دقیقتری میگردد. نتایج به دست آمده نشان داد که در تخمین ضریب زبری در پیچانرودها، تاثیر پارامتر ضریب شکل در افزایش دقت مدلها از ضریب سینوسی بیشتر است. همچنین نتایج تحلیل حساسیت نشان داد که شیب کانال تاثیرگذارترین پارامتر در تخمین ضریب زبری در پیچانرودها است.کلیدواژه ها
رودخانه, روش های هوش مصنوعی, ضریب مانینگ, ANFISاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.