مدل سازی و تخمین ابعاد کانال های آبرفتی پایدار با استفاده از محاسبات نرم

در این پژوهش به منظور تخمین ابعاد هندسی کانال های آبرفتی پایدار شامل عرض سطح کانال (w)، عمق جریان (h) و شیب طولی (S) آنها از مدل های محاسبات نرم شامل مدل رگرسیون اسپلاین تطبیقی چندگانه (MARS) و مدل دسته بندی گروهی داده ها (GMDH) استفاده شد و نتایج مدل های توسعه داده شده با مدل شبکه عصبی چندلایه (MLP) مقایسه شد. برای توسعه مدل ها، پارامترهای دبی جریان (Q)، اندازه متوسط ذرات در کف و بدنه (d۵۰) و همچنین میزان تنش برشی (t) به عنوان ورودی و از پارامترهای عرض سطح آب (w)، عمق جریان (h) و شیب طولی (S) به عنوان پارامترهای خروجی استفاده شد. مدل های محاسبات نرم در دو سناریو بر اساس پارامترهای خام و فرم بی بعد پارامترهای مستقل و وابسته، توسعه داده شدند. نتایج نشان داد که با توجه به مشخصات آماری در تخمین w بهترین عملکرد مربوط به مدل MARS است که شاخص های آماری دقت آن در مرحله آموزش عبارت از R۲=۰.۹۰۲,RMSE=۱.۶۶۶ و در مرحله آزمایش عبارت از  R۲=۰.۸۴۴,RMSE=۲.۳۱۷ است. در تخمین عمق کانال، عملکرد هر دو مدل MLP و MARS تقریبا برابر است که هر دو بر اساس فرم بی بعد دبی جریان به عنوان متغیر ورودی، توسعه داده شدند. شاخص های آماری هر دو مدل در مرحله آموزش عبارت از  و در مرحله آزمایش عبارت از   است. بهترین عملکرد مدل های توسعه داده شده در تخمین شیب طولی کانال نیز مربوط به هردو مدل MARS و GMDH است که البته به صورت جزئی، دقت مدل GMDH با شاخص های آماری   در مرحله آموزش و   در مرحله آزمایش بیشتر از مدل MARS است.

کلیدواژه ها:

Artificial neural network ، GMDH model ، MARS model ، Erosion channel ، Intelligent regression model ، شبکه عصبی مصنوعی ، مدل GMDH ، مدل MARS ، کانال فرسایشی ، مدل رگرسیونی هوشمند