پیشبینی ضریب دبی در سرریزهای جانبی نیمدایرهای با استفاده از روشهای یادگیری ماشین مبتنی بر توابع کرنل: رویکردی مقایسهای
نویسندگان
1 گروه مهندسی منابع آب، دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران
2 گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران.
3 گروه مهندسى منابع آب، دانشکده مهندسى عمران، دانشگاه تبریز، تبریز، ایران
doi
10.22059/ijswr.2025.399575.669986چکیده
پیشبینی دقیق ضریب دبی در سرریزهای جانبی نیمدایرهای لبهتیز، به دلیل نقش کلیدی آن در تحلیلهای هیدرولیکی، مدیریت بهینه جریان و طراحی ایمن سازههای آبی، از اهمیت بالایی برخوردار است. در این پژوهش، جهت ارتقاء دقت پیشبینی این ضریب از ترکیب روش ماشین بردار پشتیبان (SVM: Support Vector Machine) با دو الگوریتم بهینهسازی فرا ابتکاری، شامل الگوریتم بهینهسازی اسب (HOA: Horse Optimization Algorithm) و الگوریتم جستجوی خزندگان (RSA: Reptile Search Algorithm)، استفادهشده است. ابتدا پارامترهای بیبعد مؤثر بر ضریب دبی شناساییشده و مدلهای مختلف توسعه یافتند. مجموعه دادههای آزمایشگاهی بهصورت تصادفی به دو بخش آموزش (80 درصد) و تست (20 درصد) تقسیم شدند. نتایج نشان داد که هر دو مدل دقت بالایی در پیشبینی ضریب دبی دارند، اما مدل SVM-HOA در مرحله تست عملکرد بهتری نسبت به SVM-RSA ارائه داده است (0.887 NSE=، 0.025RMSE= و 0.899R2=). عملکرد برتر و نتایج دقیقتری ارائه میدهد. همچنین، آنالیز حساسیت نشان داد که نسبت عمق جریان روی تاج سرریز جانبی به قطر سرریز (h1/D) و نسبت ارتفاع تاج سرریز به عرض کانال (P/B) تأثیرگذارترین پارامترها در مدلسازی ضریب دبی هستند. نتایج این پژوهش مؤید آن است که مدل پیشنهادی مبتنی بر ترکیب SVM با الگوریتم HOA میتواند ابزاری قدرتمند برای پیشبینی دقیق رفتار هیدرولیکی سرریزهای جانبی نیمدایرهای در شرایط مختلف عملیاتی باشد.