پیش بینی ضریب دبی در سرریزهای جانبی نیم دایره ای با استفاده از روش های یادگیری ماشین مبتنی بر توابع کرنل: رویکردی مقایسه ای

پیش بینی دقیق ضریب دبی در سرریزهای جانبی نیم دایره ای لبه تیز، به دلیل نقش کلیدی آن در تحلیل های هیدرولیکی، مدیریت بهینه جریان و طراحی ایمن سازه های آبی، از اهمیت بالایی برخوردار است. در این پژوهش، جهت ارتقاء دقت پیش بینی این ضریب از ترکیب روش ماشین بردار پشتیبان (SVM: Support Vector Machine) با دو الگوریتم بهینه سازی فرا ابتکاری، شامل الگوریتم بهینه سازی اسب (HOA: Horse Optimization Algorithm) و الگوریتم جستجوی خزندگان (RSA: Reptile Search Algorithm)، استفاده شده است. ابتدا پارامترهای بی بعد موثر بر ضریب دبی شناسایی شده و مدل های مختلف توسعه یافتند. مجموعه داده های آزمایشگاهی به صورت تصادفی به دو بخش آموزش (۸۰ درصد) و تست (۲۰ درصد) تقسیم شدند. نتایج نشان داد که هر دو مدل دقت بالایی در پیش بینی ضریب دبی دارند، اما مدل SVM-HOA در مرحله تست عملکرد بهتری نسبت به SVM-RSA ارائه داده است (۰.۸۸۷ NSE=، ۰.۰۲۵RMSE= و ۰.۸۹۹R۲=). عملکرد برتر و نتایج دقیق تری ارائه می دهد. همچنین، آنالیز حساسیت نشان داد که نسبت عمق جریان روی تاج سرریز جانبی به قطر سرریز (h۱/D) و نسبت ارتفاع تاج سرریز به عرض کانال (P/B) تاثیرگذارترین پارامترها در مدل سازی ضریب دبی هستند. نتایج این پژوهش موید آن است که مدل پیشنهادی مبتنی بر ترکیب SVM با الگوریتم HOA می تواند ابزاری قدرتمند برای پیش بینی دقیق رفتار هیدرولیکی سرریزهای جانبی نیم دایره ای در شرایط مختلف عملیاتی باشد.

کلیدواژه ها:

الگوریتم های فرا ابتکاری ، آنالیز حساسیت ، سرریز جانبی ، ضریب دبی ، یادگیری ماشین