مقایسه ضریب دبی سرریز کلیدپیانویی قوسی با استفاده از روش ANN

سرریزها به عنوان سازه های حیاتی مرتبط با سد، نقش کلیدی در تضمین ایمنی سدها ایفا می کنند. این سازه ها برای اندازه گیری شدت جریان، مدیریت سیال ها، ذخیره آب و هدایت جریان آب در کانال ها، رودخانه ها و مخازن سدها استفاده می شوند. به طور کلی، سرریزها وظیفه انتقال سیال ها و هدایت آب اضافی از دریاچه سد به پایین دست را بر عهده دارند تا از بروز شکست سد جلوگیری کنند. الگوریتم های هوشمند به دلیل توانایی فوق العاده خود در شناسایی روابط پیچیده و پنهان بین پارامترهای مستقل و وابسته و همچنین به دلیل صرفه جویی در زمان و هزینه، به طور گسترده ای مورد توجه پژوهشگران قرار گرفته اند. در این پژوهش، عملکرد الگوریتم شبکه عصبی مصنوعی (ANN) در پیش بینی ضریب دبی سرریزهای کلیدپیانویی قوسی با استفاده از ۱۷۰ سری داده آزمایشگاهی دانشگاه مراغه مورد بررسی قرار گرفته است. پارامترهای هندسی و هیدرولیکی مورد استفاده در این پژوهش شامل نسبت بار آبی کل (HTp)، بزرگ نمایی (LCW)، زاویه سیکل قوسی (Ɵ)، فرود (Fr)، نسبت طول داخلی دماغه به عرض سرریز (AW) ( و ضریب دبیCd) می باشد. نتایج حاصل از الگوریتم هوش مصنوعی نشان داد که ترکیب پارامتر (Cd, HTp, LCW, Ɵ, AW, Fr) در الگوریتم شبکه عصبی مصنوعی (ANN) در مرحله آموزش و آزمون به ترتیب دارای مقادیر (R۲=۰.۸۲۸۹، RMSE=۰.۰۸۶۰، DC=۰.۷۱۹۸ و R۲=۰.۹۲۴۹، RMSE=۰.۰۵۶۰، DC=۰.۹۹۲۳) می باشد. این نتایج در مقایسه با دیگر ترکیب ها، بهینه ترین خروجی را ارائه داده است و نشان دهنده دقت بسیار مطلوب الگوریتم ANN در پیش بینی ضریب دبی سرریزهای کلیدپیانویی قوسی است. همچنین، نتایج آنالیز حساسیت بیانگر این است که پارامتر نسبت بار آبی کل (HTp) بیشترین تاثیر را در تعیین ضریب دبی سرریز کلیدپیانویی قوسی دارد.

کلیدواژه ها:

سرریز ، ضریب دبی ، شبکه عصبی مصنوعی ، مدل ANN ، پیش بینی