تخمین عمق آبشستگی سازه های کنترل شیب با سرریز لبه تیز با استفاده از مدل های هوش مصنوعی

  • سال انتشار: 1401
  • محل انتشار: مجله مهندسی منابع آب، دوره: 15، شماره: 55
  • کد COI اختصاصی: JR_WEJMI-15-55_007
  • زبان مقاله: فارسی
  • تعداد مشاهده: 67
دانلود فایل این مقاله

نویسندگان

شهرام موسوی

Assistant Professor, Department of Civil Engineering, Miyaneh Branch, Islamic Azad University, Miyaneh, Iran.

چکیده

چکیده مقدمه: عدم قطعیت پارامترهای فیزیکی فرایند عمق آبشستگی پایین دست سازه­های کنترل شیب با سرریز لبه تیز، نتایج مدل سازی را تحت تاثیر قرار می­دهند. روش­: در این تحقیق، از روش های هوش مصنوعی برای تخمین مقدار عمق آبشستگی سازه­ های کنترل شیب با سرریز لبه تیز به دلیل پیچیدگی پدیده استفاده شد. از سه مدل شبکه عصبی، سیستم عصبی فازی تطبیقی و ماشین بردار پشتیبان به عنوان روش­های هوش مصنوعی یا جعبه سیاه برای حل مسئله استفاده گردید. به منظور شبیه­ سازی عمق آبشستگی در سازه های کنترل شیب با سرریز لبه تیز از ۲۲۵ داده استفاده شد. در تمامی مدل­ها، از ۷۰ درصد داده­ها برای واسنجی و از ۳۰ درصد داده­ها برای صحت سنجی در روش­های هوش مصنوعی استفاده به عمل آمد. یافته ­ها: آنالیز حساسیت نسبت به پارامترهای ورودی در هر سه مدل پیشنهادی نشان داد که اعمال پارامترهای عرض سرریز، ارتفاع ریزش آب، ارتفاع آب روی تاج، اختلاف ارتفاع آب در بالادست و پایین دست، قطر متوسط ذرات و عمق آب در پایین دست، کارایی مدل­ها را بهبود می­دهد. در تخمین میزان عمق آبشستگی پایین دست سازه های کنترل شیب با سرریز لبه تیز در هر دو مرحله واسنجی و صحت سنجی، مدل سیستم عصبی فازی تطبیقی نسبت به مدل شبکه عصبی تا ۲۰ درصد و نسبت به مدل ماشین بردار پشتیبان تا ۵/۸ درصد بر اساس معیارهای رایج در ارزیابی مدل­ها، قابلیت اطمینان بیشتری دارد که این امر می­تواند به دلیل توانایی تئوری فازی در غلبه بر عدم قطعیت پارمترهای موثر در تخمین میزان عمق آبشستگی باشد.  نتیجه­ گیری: نتایج مدل­سازی میزان عمق آبشستگی پایین دست سازه های کنترل شیب با سرریز لبه تیز با استفاده از مدل­های هوش مصنوعی نشان می­دهد که کارایی این مدل­ها در پیش بینی مقادیر آبشستگی مناسب هستند و نسبت به روش­های تجربی رایج در زمینه دقیق­تر می­باشند که این امر می­تواند به علت غیرخطی و پیچیده بودن طبیعت مسئله باشد.

کلیدواژه ها

Scour, Sharp-crested weir, ANN, ANFIS, SVM

اطلاعات 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.