ارزیابی عملکرد مدل های یادگیری ماشین در سرریزهای نیلوفری زیگزاگی بر مبنای تحلیل ریسک

سرریزهای نیلوفری، با تاثیرپذیری از ضریب دبی، در مدیریت جریان آب در سدها و مخازن نقش حیاتی دارند. ضریب دبی تعیین کننده کارایی و ریسک عملکرد آن ها در شرایط سیلابی است. در این راستا به کمک ۸۰ داده آزمایشگاهی گردآوری شده از دو مقطع ورودی سرریز نیلوفری با شکل های مربعی و دایروی زیگزاگی شده با تعداد چهار، هشت و دوازده عدد، از دو مدل ماشین بردار پشتیبان (SVM) و برنامه ریزی بیان ژن (GEP) برای شبیه سازی ضریب دبی استفاده شده است. تعداد زیگزاگ ها (n)، عدد فرود (Fr)، بار آبی نسبی (H/P) و شاخص شکل سرریز (R/D) به عنوان متغیرهای مستقل به کار گرفته شدند. شاخص های ارزیابی عملکرد (RMSE, MAE, R۲) برای سنجش دقت خروجی مدل ها استفاده شدند. در بررسی مدل های مختلف SVM، تابع کرنل RBF با مقدار γ برابر ۱/۰ بهینه ترین نتایج را ارائه داد. مقادیر (RMSE, MAE, R۲) در دوره های آموزش و آزمون برای این مدل به ترتیب (۹۲۶۲/۰، ۰۶۹۶/۰، ۰۸۴۸/۰) و (۹۸۲۰/۰، ۰۳۴۶/۰، ۰۳۹۸/۰) برای سرریز دایروی و (۹۷۰۷/۰، ۰۷۳/۰، ۰۹۰۴/۰) و (۹۳۳۴/۰، ۰۶۷۶/۰، ۰۷۸۷/۰) برای مقطع مربعی به دست آمد. در مدل GEP نتایج بهتری مشاهده شد، به گونه ای که مدل با سه ژن، اندازه هد ۹ و ۴۵ کروموزوم، در سرریز دایروی با شاخص های (۹۷۷۸/۰، ۰۳۷۵/۰، ۰۴۵۱/۰) و (۹۸۱۱/۰، ۰۳۱۵/۰، ۰۳۹۶/۰) در مراحل آموزش و آزمون بهینه ترین عملکرد را داشت. برای مقطع مربعی، مدل با ۵۵ کروموزوم به ترتیب با مقادیر (۰۹۷۴۱/۰، ۰۴۹۴/۰، ۰۵۹۷/۰) و (۹۵۹۱/۰، ۰۵۰۳/۰، ۰۵۹۴/۰) در مراحل آموزش و آزمون ارزیابی شد.

کلیدواژه ها:

ارزیابی عملکرد ، تحلیل ریسک ، سرریز نیلوفری ، ضریب دبی ، هوش مصنوعی