کاربرد هوش مصنوعی در پیشبینی ضریب دبی در سرریزهای کنگرهای با پلان هارمونیک
نویسندگان
1 دانشجوی کارشناسی ارشد هیدروانفورماتیک، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران
2 استادیار گروه سازه های آبی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران
3 استاد، گروه سازه های آبی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.
4 دانشیار گروه سازه های آبی-دانشکده مهندسی آب و محیط زیست-دانشگاه شهید چمران اهواز-اهواز-ایران
doi
10.22092/idser.2025.368037.1602چکیده
با رشد جمعیت، تقاضا برای ذخیرهسازی آب در مخازن افزایش یافته است و نیاز به جایگزینی یا افزایش ظرفیت دبی بسیاری از سرریزها از طریق بهینهسازی هندسی و طرح افقی آنها به وجود آمده است. یکی از راهکارهای کاربردی برای افزایش راندمان سرریزها، اصلاح هندسۀ پلان و افزایش طول سرریز در عرضی ثابت است. این امر باعث افزایش ضریب دبی (Cd) سرریز میشود. در این مطالعه، با جمعآوری دادههای آزمایشگاهی دو منبع مختلف، در مجموع از 233 سری داده شامل مؤلفههای هندسی و هیدرولیکی استفاده شد. سه مدل یادگیری ماشین، شامل رگرسیون بردار پشتیبان (SVR) و مدل ناپارامتریک جنگل تصادفی (RF) و رگرسیون اسپیلاین تطبیقی چندگانه (MARS)، با پنج سناریوی ورودی مختلف برای پیشبینی دقیق ضریب دبی سرریز کنگرهای با پلان نیمدایره هارمونیک توسعه داده شد. نتایج تحقیق نشان داد که متغیرهای ورودی شامل، نسبت شعاع به ارتفاع سرریز (R/P)، نسبت عرض سرریز به ارتفاع سرریز (B/P)، تعداد سیکل (N) و نسبت هد هیدرولیکی به ارتفاع سرریز (HT/P)، در مدل MARS با مقادیر 0/008= RMSE و 0/94=R2 و مدل SVR با مقادیر 0/009= RMSE و 0/93=R2، نتایج بهتری را در تخمین (Cd) ارائه میکنند. مشاهده گردید در مقادیر (HT/P) پایینتر از 0/05، میزان ضریب دبی عبوری سرریز با 4 سیکل نیمدایره (4=N)، بیشتر از سایز سرریزها بوده است. همچنین، با استفاده از دو روش مختلف آنالیز حساسیت مشاهده گردید پارامتر عمق نسبی (HT/P) مؤثرترین مؤلفه در پیشبینی ضریب دبی بوده است.