کاربرد هوش مصنوعی در پیش بینی ضریب دبی در سرریزهای کنگره ای با پلان هارمونیک

با رشد جمعیت، تقاضا برای ذخیره سازی آب در مخازن افزایش یافته است و نیاز به جایگزینی یا افزایش ظرفیت دبی بسیاری از سرریزها از طریق بهینه سازی هندسی و طرح افقی آنها به وجود آمده است. یکی از راهکارهای کاربردی برای افزایش راندمان سرریزها، اصلاح هندسه پلان و افزایش طول سرریز در عرضی ثابت است. این امر باعث افزایش ضریب دبی (Cd) سرریز می شود. در این مطالعه، با جمع آوری داده های آزمایشگاهی دو منبع مختلف، در مجموع از ۲۳۳ سری داده شامل مولفه های هندسی و هیدرولیکی استفاده شد. سه مدل یادگیری ماشین، شامل رگرسیون بردار پشتیبان (SVR) و مدل ناپارامتریک جنگل تصادفی (RF) و رگرسیون اسپیلاین تطبیقی چندگانه (MARS)، با پنج سناریوی ورودی مختلف برای پیش بینی دقیق ضریب دبی سرریز کنگره ای با پلان نیم دایره هارمونیک توسعه داده شد. نتایج تحقیق نشان داد که متغیرهای ورودی شامل، نسبت شعاع به ارتفاع سرریز (R/P)، نسبت عرض سرریز به ارتفاع سرریز (B/P)، تعداد سیکل (N) و نسبت هد هیدرولیکی به ارتفاع سرریز (HT/P)، در مدل MARS با مقادیر ۰/۰۰۸= RMSE و ۰/۹۴=R۲ و مدل SVR با مقادیر ۰/۰۰۹= RMSE و ۰/۹۳=R۲، نتایج بهتری را در تخمین (Cd) ارائه می کنند. مشاهده گردید در مقادیر (HT/P) پایین تر از ۰/۰۵، میزان ضریب دبی عبوری سرریز با ۴ سیکل نیم دایره (۴=N)، بیشتر از سایز سرریزها بوده است. همچنین، با استفاده از دو روش مختلف آنالیز حساسیت مشاهده گردید پارامتر عمق نسبی (HT/P) موثرترین مولفه در پیش بینی ضریب دبی بوده است.

کلیدواژه ها:

آنالیز حساسیت SHAP ، یادگیری ماشین ، ضریب دبی ، سرریزهای کنگره ای