تحلیل مقایسهای آبشستگی پاییندست سرریز مرکب مثلثی–مثلثی با استفاده از روش کلاسیک و مدل هوش مصنوعی ماشین بردار پشتیبان
نویسندگان
1 دانشجوی دکترای سازههای آبی، گروه مهندسی آب، دانشگاه علوم کشاورزی و متابع طبیعی گرگان، گرگان، ایران.
2 دانشیارگروه مهندسی آب، دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
3 استاد گروه مهندسی آب، دانشکده آب و خاک دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
4 استادیار پژوهشکده مهندسی هیدرولیک و محیط هایآبی، موسسه تحقیقات آب وزارت نیرو، تهران، ایران.
doi
چکیده
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.
