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

  • سال انتشار: 1403
  • محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 55، شماره: 7
  • کد COI اختصاصی: JR_IJSWR-55-7_009
  • زبان مقاله: فارسی
  • تعداد مشاهده: 105
دانلود فایل این مقاله

نویسندگان

یاسر مهری

گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

محمدحسین امید

گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

صلاح کوچک زاده

گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

محسن نصرآبادی

گروه علوم و مهندسی آب، دانشگاه اراک، اراک، ایران

چکیده

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

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.