مطالعه آزمایشگاهی مقاومت جریان در حضور پوشش گیاهی صلب و پیش بینی آن با مدل های هوشمند

تعیین ضرایب مقاومت و کاهش عدم قطعیت در انتخاب این پارامتر یکی از مهمترین عوامل دستیابی به مشخصات جریان در رودخانهها و مجاری روباز است. از این رو، انتخاب مطلوب ضریب زبری در شرایط مختلف مانند وجود پوشش گیاهی از جمله موضوعات موردتوجه پژوهشگران بوده است. در این پژوهش، ابتدا ضریب زبری مانینگ در یک فلوم آزمایشگاهی با حضور آرایشهای مختلف پوشش گیاهی تعیین شد. سپس توانایی پنج مدل هوشمند شامل GMDH، ANN-RBF،RT ، ANFIS و ANFIS-PSO در پیش بینی ضریب زبری مانینگ ارزیابی شد. مدل ها در محیط نرم افزار MATLAB  کدنویسی شد. با توجه به ایجاد جریان متغیر تدریجی در کانال آزمایشگاهی،  نیمرخ سطح آب به دست آمده از طریق حل به روش اویلر، با مقادیر اندازه گیری شده در آزمایشگاه مقایسه شد. نتایج نشان داد که تطابق قابل قبول بین پروفیل سطح آب آزمایشگاهی و برآوردهای انجام شده با روش اویلر وجود دارد. ارزیابی نتایج مدل ها بر اساس تحلیل آماری به کاررفته نشان داد که مدل ANFIS - PSO عملکرد بهتری نسبت به سایر مدل ها در پیش بینی ضریب مانینگ دارد، به طوری که نتایج این مدل RMSE=۰.۰۰۹۶، R۲=۰.۹۹۸۴ و KGE=۰.۹۹۲۲ در مرحله آموزش و RMSE=۰.۰۰۹۹، R۲=۰.۹۹۸۲ و KGE=۰.۹۸۷۳ در مرحله آزمون است. در مراتب بعد، از لحاظ دقت به ترتیب مدل های ANN-RBF، GMDH، ANFIS و RT قرار می-گیرند. با ارزیابی نتایج ترکیب های مختلف در مدل سازی مشخص شد، سه پارامتر تراکم پوشش گیاهی (D)، آرایش پوشش گیاهی (N) و عدد رینولدز (Re) به ترتیب تاثیر بیشتری در ارائه نتایج درست داشتند.

کلیدواژه ها:

یادگیری ماشین ، بررسی آزمایشگاهی ، مدلسازی ، جریان متغیر تدریجی ، زبری