فهرست نشریات علمی دسترسی آزاد ایران

نصب و ایجاد سازه‌های مناسب اندازه‌گیری جریان، بهره‌برداری صحیح از آنها و جمع‌آوری اطلاعات مربوط به مصرف آب، نقشی اساسی در قدرت تصمیم‌گیری برای مدیران شبکه، عدالت در توزیع و انتقال آب و در نهایت صرفه‌جویی در مصرف آب دارد. یکی از تجهیزات ساده و ارزان برای کنترل خودکار و همچنین اندازه‌گیری جریان، دریچه‌های فلپ یا آویخته است. در این پژوهش از نتایج آزمایشگاهی به دست آمده از سازه دریچه‌ی مستطیلی لولای شکل که با قرار دادن در کانال مطابق با مشخصات هیدرولیکی و هندسی منجر به اندازه‌گیری دبی جریان میشود، جهت توسعه مدل های یادگیری ماشین مورد استفاده قرار گرفت. به منظور برآورد دبی جریان در این نوع از کانال ها از مدل‌های شامل دسته‌بندی گروهی داده‌ها (GMDH)، ماشین بردار پشتیبان (SVM) و جنگل تصادفی (RF) استفاده گردید. بدین جهت از پارامترهای نظیر عمق آب، عرض کانال همچنین عرض، طول، ضخامت و وزن دریچه به‌عنوان متغیرهای ورودی و دبی جریان به‌عنوان متغیر خروجی (پاسخ) به مدلسازی در نظر گرفته شد. نتایج نشان داد که مقدار آماره ریشه میانگین مربعات خطا (RMSE) برای مدل‌های مبتنی بر GMDH، SVM و RF به‌ترتیب، 024/0، 011/0 و 041/0 و مقدار آماره ضریب تعیین (R2) به‌ترتیب، 981/0، 996/0 و 955/0 به‌دست آمد. مقایسه بین تحقیقات گذشته و نتایج حاضر حاکی از برتری عملکرد مدل مبتنی بر SVM نسبت به سایر مدل‌های توسعه یافته بود. عمق آب به عرض کانال به‌عنوان مهم‌ترین داده ورودی مدل‌ها توسعه یافته شناسایی شد.