فهرست نشریات علمی دسترسی آزاد ایران

پدیده آب‌شستگی در پایین‌دست سرریزهای مرکب یکی از مسائل مهم در طراحی و ارزیابی ایمنی سازه‌های هیدرولیکی محسوب می‌شود. در این پژوهش، عملکرد یک مدل کلاسیک تجربی و یک مدل مبتنی بر هوش مصنوعی از نوع ماشین بردار پشتیبان (SVM) در پیش‌بینی سه پارامتر کلیدی آب‌شستگی شامل بیشینه عمق، محل وقوع بیشینه و طول کلی حفره مورد بررسی قرار گرفته است. آزمایش‌های فیزیکی روی یک مدل سرریز مرکب مثلثی–مثلثی در شرایط مختلف هیدرولیکی انجام شد و داده‌های حاصل به‌عنوان مبنای ارزیابی مدل‌ها استفاده گردید. نتایج نشان داد که اگرچه مدل کلاسیک توانسته است روند کلی تغییرات آب‌شستگی را بازتاب دهد، اما میزان خطاهای آماری آن در بازه‌های نسبتاً بالایی قرار داشته است (MARE بین 13 تا 20 درصد). در مقابل، مدل SVM با دقت بسیار بالاتری عمل کرده و توانست خطای نسبی را به کمتر از 2 درصد کاهش دهد. تحلیل مقایسه‌ای نشان می‌دهد که مدل هوش مصنوعی با قدرت تعمیم‌پذیری بالا، گزینه‌ای مطمئن برای پیش‌بینی دقیق‌تر رفتار آب‌شستگی در شرایط آزمایشگاهی است. با این حال، استفاده ترکیبی از دو رویکرد، به‌ویژه در پروژه‌های بزرگ و حساس، می‌تواند هم دقت پیش‌بینی و هم کارایی محاسباتی را بهبود بخشد.