فهرست نشریات علمی دسترسی آزاد ایران

نقش آبشکن‌‌ها در حفاظت از دیوارة رودخانه، آن ­ها را جزء موضوع ­های مهم مهندسی رودخانه قرار داده است. در این مطالعه، عملکرد دو مدل یادگیری ماشین شامل ماشین بردار پشتیبان (SVM) و برنامه‌ریزی بیان ژن (GEP) با نرم‌افزار FLOW-3D در شبیه‌سازی میزان دبی انحرافی در مقیاس آزمایشگاهی مقایسه شده‌‌است. برای مدل فیزیکی در یک فلوم آزمایشگاهی با دو نوع آبشکن T-شکل و L-شکل و با زاویه‌های 90 و 135 درجه برای انحراف دبی به کانال آبگیری شبیه‌سازی شد. سه متغیر مستقل شامل عدد فرود جریان، زاویۀ آبگیری و طول نسبی آبشکن‌ها برای مدل‌های یادگیری ماشین استفاده شدند. از 96 دادۀ آزمایشگاهی، 70 درصد برای آموزش و 30 درصد برای آزمون مدل‌های یادگیری ماشین اختصاص یافت. سه شاخص RMSE، MAE و R² برای ارزیابی عملکرد مدل‌ها به کار گرفته شدند. نتایج تحقیق نشان داد که برنامه‌ریزی بیان ژن (GEP) نسبت به ماشین بردار پشتیبان (SVM) عملکرد بهتری دارد به‌طوری که در مرحلة آموزش و آزمون، مقدار ضرایب ارزیابی عملکرد برای هر دو آبشکن T-شکل و L-شکل دارای برتری بودند. در نرم‌افزار FLOW-3D، ضریب زبری مانینگ و نوع معادلۀ شبیه‌‌ساز آشفتگی در فرآیندهای واسنجی و صحت‌‌سنجی استفاده شدند. مقایسة بین مقادیر ارزیابی عملکرد نشان دهندة برتری نسبی GEP نسبت به FLOW-3D است.