فهرست نشریات علمی دسترسی آزاد ایران

پیش‌بینی عمق آبشستگی در پایین‌دست سازه‌های کنترل ازجمله سرریزها و سازه‌های کنترل شیب یکی از مسائل ضروری در طراحی این سازه‌ها می‌باشد. در تحقیق کنونی عملکرد روش رگرسیون فرآیند گاوسی (GPR) به عنوان یکی از روش‌های نوین داده کاوی در پیش‌بینی حداکثر عمق آبشستگی پایین‌دست سازه‌های کنترل مورد بحث قرار گرفت. جهت بررسی موضوع برای هر سری داده، مدل‌های مختلفی تعریف شده و تأثیر پارامترهای هیدرولیکی مورد ارزیابی قرار گرفت. بهترین نتایج برای داده‌های آزمون، برای سرریز لبه تیز مقادیر 90/0)DC=ضریب تبیین)، 93/0CC=(ضریب همبستگی)، % 2/11 RMSE= (جذر میانگین مربعات خطاها (، %9/7MAE= (میانگین قدرمطلق خطاها)، و برای سازه کنترل شیب مقادیر 81/0DC=، 86/0CC=، %4/19RMSE=، %7/16MAE= به‌دست آمد. همچنین بر اساس نتایج آنالیز حساسیت مشخص گردید که پارامترهای Fr1 (عدد فرود بالاست جریان) و b/z (نسبت عرض سرریز به ارتفاع سرریز) در پایین‌دست سرریز لبه تیز و پارامترهای Dp/h (ارتفاع ریزش سازه به ارتفاع آب روی سازه) و Fr1در پایین دست سازه کنترل شیب کلیدی‌ترین نقش را در پیش‌بینی عمق آبشستگی دارند. درواقع تغییرات عمق آبشستگی متأثر از هندسه و انرژی جریان در بالادست این سازه‌ها است. مقایسه روابط نیمه تجربی و کلاسیک با نتایج حاصل از روش به‌کاررفته در تحقیق نشان داد که نتایج روش هوشمند GPR نسبت به روابط کلاسیک دقیق‌تر و قابل‌اعتمادتر بوده بطوریکه معیارخطای RMSE بیش از 80 درصد کمتر شده است.