آنالیز پرش هیدرولیکی در مجاری فاضلاب با استفاده از مدلهای یادگیری ماشین

مجاری تحت فشار به طور گسترده برای دستیابی به اهداف مختلفی مانند سیستم های انتقال آب، فاضلاب و زهکشی در مهندسی هیدرولیک استفاده شدهاند. اغلب پدیدهای به نام پرش هیدرولیکی در این مجراها رخ می دهد و باعث فرسایش و گرفتگی می شود و برای جلوگیری از آن باید انرژی جریان را کاهش داد. در این راستا، تعداد محدودی معادلات تجربی برای تخمین اعماق مزدوج پرش هیدرولیکی در لوله ها وجود دارد. اما این معادلات تجربی همیشه نمی توانند پیش بینی دقیقی را برای شرایط مختلف هیدرولیکی ارائه دهند. از این رو، در این مطالعه از چهار مدل یادگیری ماشین مدل AdaBoost، XGBoost، RF و MARS به منظور تخمین عمق ثانویه پرش هیدرولیکی در لوله ها استفاده می گردد. برای انجام مراحل آموزش و آزمون، از مجموعه دادههای معتبر از مقالات استفاده شد. نتایج حاصل از مدلهای یادگیری ماشین با دادههای مشاهداتی و معادلات تجربی مقایسه شدند. از طریق مقایسه ها، روابط تجربی به اندازه کافی دقیق نبودند، اما مدلهای یادگیری ماشین بهترین عملکرد را در برآورد اعماق مزدوج پرش هیدرولیکی داشتند. در مرحله آموزش، مدل AdaBoost بالاترین عملکرد را نشان داد (ضریب همبستگی (R) برابر ۹۹۹۹/۰ و ریشه میانگین مربعات خطا (RMSE) برابر ۰۰۰۶/۰)، در حالی که در مرحله آزمون، مدلهای MARS (ضریب همبستگی برابر ۹۹۹۵/۰ و ریشه میانگین مربعات خطا برابر ۰۰۷۰/۰) و AdaBoost (ضریب همبستگی برابر ۹۹۹۵/۰ و ریشه میانگین مربعات خطا برابر ۰۰۶۵/۰) بالاترین سطح دقت را داشتند.

کلیدواژه ها:

جریان تحت فشار ، پرش هیدرولیکی ، اعماق مزدوج ، مدلهای یادگیری ماشین ، آزمونهای آماری ، فاضلاب.