مدل سازی طول پر ش هیدرولیکی بر روی بسترهای زبر شیب دار با استفاده از سیستم استنباط فازی عصبی تطبیقی - الگوریتم ژنتیک

< p>معمولا تبدیل سریع رژیم فوق بحرانی جریان به زیر بحرانی با پرش هیدرولیکی همراه است. این پدیده به طور کلی بعد از سازه های هیدرولیکی از قبیل سرریز اوجی به وقوع می پیوندد. یکی از مهمترین پارامترهای پرش هیدرولیکی که در تعیین ابعاد حوضچه های آرامش استفاده می شود، طول پرش هیدرولیکی است. در مطالعه حاضر، یک روش ترکیبی برای پیش بینی طول پرش هیدرولیکی بر روی بستر زبر شیب دار توسعه داده می شود. به عبارت دیگر، روش حاضر با ترکیب روش های سیستم استنباط فازی عصبی تطبیقی با الگوریتم ژنتیک (ANFIS-GA) ارائه شده است. در این مطالعه، به منظور سنجش عملکرد مدل های ANFIS- GA از شبیه سازی مونت کارلو استفاده می گردد. در ابتدا، پارامترهای موثر بر روی طول پرش هیدرولیکی که شامل عدد فرود جریان، نسبت زبری بستر، نسبت اعماق مزدوج و شیب بستر شناسایی می شود. سپس با توجه به پارامترهای مذکور پنچ مدل ANFIS-GA تعریف می شود. در ادامه، نتایج مدل های پنج گانه ANFIS-GA مورد بررسی قرار می گیرد که با تجزیه و تحلیل نتایج مدل سازی، مدل برتر معرفی شد. مدل برتر، مقادیر آزمایشگاهی را با دقت قابل قبولی پیش بینی می کند. به عنوان مثال مقادیر درصد میانگین مطلق خطا، خطای جذر میانگین مربعات برای این مدل به ترتیب مساوی ۵۲۰/۴ و ۷۸۱/۰ محاسبه گردیده است. همچنین نتایج مدل سازی نشان می دهد که عدد فرود جریان در بالادست پرش هیدرولیکی موثرترین پارامتر در مدل سازی طول پرش هیدرولیکی بر روی بستر زبر شیب دار با استفاده از مدل ANFIS-GA است.

کلیدواژه ها:

الگوریتم ژنتیک ، بستر زبر شیب دار ، سیستم استنباط فازی- عصبی تطبیقی ، پرش هیدرولیکی ، مدل ترکیبی