فهرست نشریات علمی دسترسی آزاد ایران

استهلاک انرژی در سرریز‌های پلکانی از اهداف اولیه این گونه سازه‌ها محسوب می‌شود. در این پژوهش دقت روش شبکه عصبی مصنوعی (ANN)، روش مدل استنتاج عصبی فازی تطبیقی که بر اساس الگوریتم بهینه‌سازی کرم شب‌تاب آموزش‌ دیده است (ANFIS-FA) و روش برنامه‌‎نویسی بیان ژن (GEP) در تخمین افت انرژی سرریز‌های پلکانی با رژیم جریان رویه‌ای مورد بررسی قرار گرفته است. همچنین با انجام آنالیز حساسیت به بررسی اهمیت پارامترهای ورودی در پیش‌بینی افت انرژی برای هر یک از سه روش ذکر شده پرداخته ‌شده است. بدین منظور از تعداد 154 سری داده آزمایشگاهی استفاده ‌شده است. پارامترهای ورودی برای هر روش شامل عدد فرود اولیه پرش، عدد آبشار، تعداد پلکان، شیب سرریز پلکانی و نسبت عمق بحرانی به ارتفاع پله هست. نتایج نشان می‌دهد که هر سه روش توانایی بالاتری در پیش‌بینی افت انرژی نسبت به روش‌های کلاسیک برای تخمین افت انرژی که بر پایه روش‌های متداول رگرسیون گیری بنا شده است داشته‌اند. نتایج روش ANFIS-FA (با 2/385=  MAEو 0/979=R2) تا حدودی بیشتر از روش GEP (با2/672= MAEو 0/978=R2) است. دقت بیشتر ساختارهای شبکه عصبی مورد استفاده در این تحقیق پایین‌تر از دو روش فوق است. با این ‌وجود بیشترین دقت به‌ دست‌ آمده مربوط به شبکه عصبی پرسپترون چند لایه با 3 لایه مخفی با تعداد به تریتب 12 و 8 و 7 نرون در هر لایه (با 0/848= MAEو 0/994=R2) است. در هر سه روش مؤثرترین پارامتر، عدد آبشار و کم اثرگذارترین پارامتر، شیب سرریز پلکانی است.