شبیه سازی الگوی آبشستگی در مجاورت سرریزهای سنگی با استفاده ماشین آموزش نیرومند خارج از محدوده
- سال انتشار: 1400
- محل انتشار: فصلنامه علوم آب و خاک، دوره: 25، شماره: 4
- کد COI اختصاصی: JR_JWSS-25-4_019
- زبان مقاله: فارسی
- تعداد مشاهده: 242
نویسندگان
Department of Water Engineering, College of Agriculture, Islamic Azad University, Kermanshah Branch, Kermanshah
Islamic Azad University, Kermanshah Branch, Kermanshah
Islamic Azad University, Kermanshah Branch, Kermanshah
Islamic Azad University, Kermanshah Branch, Kermanshah
Department of Water Engineering, College of Agriculture, Islamic Azad University, Kermanshah Branch, Kermanshah
چکیده
در این مطالعه، عمق حفره آبشستگی در پائین دست سرریزهای سنگی با شکل های مختلف J، I، U و W توسط یک روش نوین هوش مصنوعی تحت عنوان ماشین آموزش نیرومند خارج از محدوده (ORELM) شبیه سازی شد. داده های مشاهداتی به دو دسته آموزش (۷۰ درصد) و تست (۳۰ درصد) تقسیم شدند. سپس تابع فعال سازی بهینه برای شبیه سازی عمق آبشستگی در پائین دست سرریزهای سنگی انتخاب شد. در ادامه، با استفاده از پارامترهای ورودی که شامل نسبت طول سازه به عرض کانال (b/B)، عدد فرود تراکمی (Fd)، نسبت اختلاف عمق جریان بالادست و پائین دست سازه به ارتفاع سازه (Δy/hst) و فاکتور شکل سازه (φ)، یازده مدل مختلف ORELM برای تخمین عمق آبشستگی توسعه داده شدند. با انجام یک تحلیل حساسیت، مدل برتر و موثرترین پارامترهای ورودی شناسایی شدند. مدل برتر مقادیر آبشستگی ها را توسط پارامترهای بدون بعد b/B, Fd, Δy/hst شبیه سازی کرد. برای این مدل، مقادیر ضریب همبستگی (R)، شاخص عملکرد (VAF)و ضریب نش (NSC) برای مدل برتر در شرایط تست به ترتیب مساوی با ۰/۹۵۶، ۹۱/۳۷۸ و ۰/۹۰۸ بدست آمدند. همچنین، پارامترهای بدون بعد b/B, Δy/hst به عنوان موثرترین پارامترهای ورودی شناسایی شدند. همچنین، نتایج مدل برتر با مدل ماشین آموزش نیرومند نیز مقایسه شدند که مدل ORELM دقت بیشتری داشت. علاوه بر این، تحلیل عدم قطعیت نشان داد که مدل ORELM مقادیر آبشستگی ها را بیشتر از واقعیت تخمین زد. در ادامه، برای مدل برتر، یک تحلیل حساسیت مشتق نسبی (PDSA) اجرا گردید.کلیدواژه ها
Cross-vane structures, Scour, Outlier robust extreme learning machine, Uncertainty analysis, Partial derivative sensitivity analysis, سرریزهای سنگی, آبشستگی, ماشین آموزش نیرومند خارج از محدوده, تحلیل عدم قطعیت, تحلیل حساسیت مشتق نسبیاطلاعات 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.