مدل سازی داده محور عملکرد شیرهای هیدرولیکی هوشمند با رویکرد تلفیقی رگرسیون چندگانه خطی و الگوریتم های یادگیری ماشین در مهندسی عمران

هوش مصنوعی به عنوان یکی از رویکردهای نوین در شبیه سازی پدیده های غیرخطی و پیچیده، توانایی قابل توجهی در مدلسازی سیستم های هیدرولیکی نشان داده است. اگرچه پژوهش های متعددی در حوزه منابع آب و هیدروژئولوژی از مدل های هوشمند بهره برده اند، اما کاربرد ترکیبی آن ها برای شیرهای هیدرولیکی هوشمند در شبکه های آبرسانی شهری (با رویکرد همزمان عمران و مکاترونیک) کمتر مورد توجه قرار گرفته است. در این مطالعه، چهار مدل هوش مصنوعی برای شبیه سازی عملکرد دینامیکی یک شیر کنترل هوشمند مجهز به عملگر مکاترونیکی مورد استفاده قرار گرفت. مدل های بکاررفته عبارتند از: مدل ماشین یادگیری نیرومند خودتطبیق (SAELM)، مدل حداقل مربعات رگرسیون بردار پشتیبان (LSSVM)، مدل شبکه عصبی-فازی تطبیقی (ANFIS) و مدل آماری رگرسیون خطی چندگانه (MLR). پارامترهای خروجی شبیه سازی شامل فشار خروجی، دبی لحظه ای و ولتاژ کنترلی عملگر در شرایط جریان ماندگار و گذرا بودند. نتایج نشان داد هر یک از مدل ها به نوبه خود در جنبه هایی موفق عمل کرده اند. بر اساس شاخص های سنجش عملکرد، مدل SAELM بالاترین دقت را در شبیه سازی فشار خروجی (با ضریب تعیین ۰/۹۶ و RMSE معادل ۰/۰۴۴ بار) داشت. مدل LSSVM در پیش بینی دبی لحظه ای برتر بود. همچنین مدل MLR علیرغم سادگی، در تخمین رابطه خطی ولتاژ عملگر با درجه بازشدگی شیر عملکرد قابل قبولی ارائه داد. برای ارزیابی جامع، پنج رویکرد مورد استفاده قرار گرفت: نمودارهای پیش بینی در برابر مقادیر واقعی، شاخص های ریاضی خطا (RMSE، MAE، R²)، روش عدم اطمینان ویلسون، نمودارهای توزیع خطا، و نمودارهای نرخ اختلاف خطا. نتایج این سنجش چندمعیاره نشان داد رویکرد تلفیقی (خروجی MLR به عنوان ورودی مدل های غیرخطی) می تواند خطای کلی را تا ۳۷ درصد کاهش دهد. این روش یک ابزار کارآمد برای طراحی و بهره برداری هوشمند از شبکه های آبرسانی در مهندسی عمران و مکاترونیک محسوب می شود.

کلیدواژه ها:

شیر هیدرولیکی هوشمند ، یادگیری ماشین ، رگرسیون چندگانه خطی ، مکاترونیک ، هوش مصنوعی.