فهرست نشریات علمی دسترسی آزاد ایران

هدف از پژوهش حاضر بررسی میزان افت انرژی نسبی (EDR) در سرریزهای کنگره‌ای با پلان مثلثی و ذوزنقه‌ای در ابعاد مختلف با استفاده از مدل‌ ماشین بردار پشتیبان (SVM)، الگوریتم جنگل تصادفی (RF) و روش شبکه عصبی مصنوعی (ANN) است. از مجموعه داده‌های آزمایشگاهی 70% برای مرحله آموزش و 30% برای مرحله آزمون مورد استفاده قرار گرفتند. در مدل SVM، نتایج کرنل‌های مختلف نشان داد که کرنل تابع پایه شعاعی (RBF) نتایج بهتری در پیش‌بینی افت انرژی نسبی سرریز کنگره‌ای در مقایسه با کرنل‌های چندجمله‌ای (Polynomial)، خطی (Linear) و سیگموئید (Sigmoid) دارد. نتایج شاخص‌های آماری ضریب همبستگی (R)، میانگین درصد خطای نسبی (Mean RE%)، خطای جذر میانگین مربعات (RMSE) و شاخص کلینگ گوپتا (KGE) برای مدل SVM-RBF در مرحله آزمون به‌ترتیب 907/0، 38/1%، 0153/0 و 744/0 است. در روش ANN شبکه چند لایه پرسپترون (MLP) نتایج دقیق‌تری در مقایسه با شبکه RBF دارد. نتایج شاخص‌های فوق در مرحله آزمون برای روش ANN-MLP به‌ترتیب 969/0، 73/0%، 007/0 و 968/0 است. همچنین این نتایج برای مدل RF به‌ترتیب 878/0، 78/1%، 0192/0 و 362/0 است. بررسی نتایج نشان داد که روش ANN عملکرد مطلوبی نسبت به سایر مدل‌های SVM و RF دارد.