فهرست نشریات علمی دسترسی آزاد ایران

آبشکن‌ها یکی از سازه‌های هیدرولیکی مهم در مهندسی رودخانه‌ها و مدیریت منابع آب هستند که به منظور کنترل و هدایت جریان آب و همچنین جلوگیری از فرسایش سواحل رودخانه به کار می‌روند. طراحی و بهینه‌سازی این سازه‌ها نیازمند درک دقیقی از رفتار هیدرولیکی و هندسی آنها تحت شرایط مختلف جریان است. در این پژوهش، کارکرد سه مدل یادگیری ماشین شامل شبکه عصبی (ANN-MLP)، مدل پشتیبان بردار ماشین (SVM) و برنامه‌ریزی بیان ژن (GEP) برای شبیه‌سازی مقدار دبی انحرافی در یک کانال در مدل فیزیکی شامل دو آبشکن L-شکل و T-شکل مورد بررسی قرار گرفت. در مجموع 96 دادة آزمایشگاهی به صورت ترکیبی از سه پارامتر عدد فرود (Fr)، طول نسبی آبشکن (L/B) و زاویه کانال آبگیری (α) به عنوان متغیرهای مستقل ورودی برای مدل‌ها مورد استفاده قرار گرفتند. ارزیابی عملکرد مدل‌ها با استفاده از سه سنجة RMSE، MAE و R2 انجام گرفت. نتایج ضمن تأیید پتانسیل هر سه مدل برای شبیه‌سازی میزان دبی انحرافی نشان داد مدل GEP با ساختار سه ژن برای هر دو نوع آبشکن از دقت بیشتری نسبت به دو مدل دیگر برخودار است به طوری که مقدار (RMSE, MAE, R2) در گام آموزش و آزمون برای آبشکن L-شکل به ترتیب برابر با (9325/0، 9878/0، 2536/1) و )9836/0، 4102/0، 6325/0) و برای آبشکن T-شکل به ترتیب (9025/0، 2534/1، 8502/1) و (9873/0، 3337/0، 4972/0) محاسبه شدند. رتبه‌های دوم و سوم به ترتیب متعلق به مدلMLP 3-8-1 و SVM بود.