بررسی روند تاثیرات پارامترهای هیدرولیکی و رسوبی بر میزان انتقال بار بستر با استفاده از همبستگی های آماری و روش های یادگیری ماشین
عنوان مقاله: بررسی روند تاثیرات پارامترهای هیدرولیکی و رسوبی بر میزان انتقال بار بستر با استفاده از همبستگی های آماری و روش های یادگیری ماشین
شناسه ملی مقاله: JR_IJSWR-53-1_008
منتشر شده در در سال 1401
شناسه ملی مقاله: JR_IJSWR-53-1_008
منتشر شده در در سال 1401
مشخصات نویسندگان مقاله:
کیومرث روشنگر - استاد گروه مهندسی آب، دانشکده عمران دانشگاه تبریز، تبریز، ایران
سمیرا جولازاده - کارشناس ارشد مهندسی آب و سازه های هیدرولیکی, دانشکده عمران دانشگاه تبریز, تبریز, ایران
خلاصه مقاله:
کیومرث روشنگر - استاد گروه مهندسی آب، دانشکده عمران دانشگاه تبریز، تبریز، ایران
سمیرا جولازاده - کارشناس ارشد مهندسی آب و سازه های هیدرولیکی, دانشکده عمران دانشگاه تبریز, تبریز, ایران
در مهندسی هیدرولیک و رودخانه، بارهای جامد رسوبی نقش اساسی را در تعیین رفتار رودخانه و کنترل مورفولوژی دارند؛ به همین دلیل ارزیابی و برآورد صحیح انتقال بار جامد رسوبی از دیرباز یکی از مسائل عمده و اصلی در علوم مرتبط با مهندسی رودخانه و محیط زیست میباشد. هدف از این تحقیق برآورد میزان انتقال بار بستر در ۱۹ رودخانه با بستر شنی می باشد. بدین منظور، ابتدا روند همبستگی آماری بین پارامتر انتقال رسوب (دبی بار بستر) و پارامترهای هیدرولیکی و رسوبی (دبی جریان، عمق جریان، سرعت متوسط جریان، قطر متوسط ذرات رسوب، عدد فرود و...) بررسی شده و دبی بار بستر به صورت تابع رگرسیونی تک متغیره برآورد می شود. مطابق نتایج ارائه شده به یک همبستگی مطلوبی بین پارامتر انتقال رسوب و پارامترهای هیدرولیکی و رسوبی رسیده شد و نتایج نشان داد این روابط رگرسیون ساده در اکثر رودخانهها از دقت قابلقبولی برخوردار بوده است. ثانیا، عملکرد ۱۰ رابطه تجربی در پیشبینی بار بستر مورد بررسی قرار گرفت. همه فرمولها از نتایج خیلی ضعیفی برخوردار بودهاند؛ به همین دلیل پارامترهای مربوط به فرمولهایی که نتایج نسبتا بهتری نسبت به فرمولهای دیگر داشتهاند، انتخاب شده و به منظور افزایش دقت برآورد، بار دیگر با استفاده از دو روش یادگیری ماشین مبتنی بر کرنل: ماشین بردار پشتیبان (SVM)، رگرسیون فرآیند گاوسی (GPR) مدلسازی انجام شد. نتایج حاصله نشان داد روشهای ماشینی از دقت قابلقبولی در پیشبینی بار بستر برخوردار بوده اند و مدل مربوط به پارامترهای فرمول بگنولد که شامل پارامترهای قدرت جریان، عمق جریان و قطر متوسط ذرات رسوب می باشد، با دارا بودن ضریب همبستگی و شاخص نش - ساتکلیف به ترتیب برابر ۹۲۳/۰R= و ۸۵۱/۰ NSE=برترین مدل حاصل از روش های ماشینی می باشد.
کلمات کلیدی: پیش بینی رسوب, همبستگی آماری, روابط تجربی, ماشین بردار پشتیبان, رگرسیون فرآیند گاوسی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1658617/