استفاده از شبکه های عصبی در تعیین ضریب دبی سرریز غیرخطی قوسی

توحید امیدپور علویان¹ مهدی ماجدی اصل² احد مهرابی³ مهدی سلطانی⁴

1) دانشجوی کارشناسی ارشد، مهندسی عمران -آب و سازه‌های هیدرولیکی-دانشگاه مراغه
2) دانشیار دانشگاه مراغه-گروه مهندسی عمران
3) دانشجوی کارشناسی ارشد، مهندسی عمران -آب و سازه‌های هیدرولیکی-دانشگاه مراغه
4) دانشجوی کارشناسی، مهندسی عمران -آب و سازه‌های هیدرولیکی-دانشگاه مراغه

کد IOI مقاله : XYCF-KABFE
محل انتشار : دومین کنگره بین المللی مدیریت، اقتصاد، علوم انسانی و توسعه کسب و کار(icmba.ir)
چکیده :
    يكي از سازه¬هاي متداول در بسياري از سدها و كانال¬هاي انتقال آب، سرريزها مي¬باشند. سرریزها همواره یکی از اجزاي مهم شبکه¬هاي انتقال و توزیع آب محسوب می¬شوند که با وجود ساده بودن ساختار و عملکرد آن، نقش مهمی در این شبکه¬ها ایفا می¬کنند و همچنین براي عبور آب هاي اضافي از بالادست به پايين دست در سدها از سازه¬اي به نام سرريز استفاده مي¬شود. الگوریتم¬های هوشمند به دلیل توانایی زیاد در کشف رابطه¬های دقیق پیچیده¬ی مخفی بین پارامترهای مستقل موثر و پارامتر وابسته و همچنین صرفه¬جویی مالی و زمانی، جایگاه بسیار ارزشمندی بین پژوهشگران پیدا کرده-اند. در این پژوهش عملکرد الگوریتم¬ SVM و QNETدر پیش¬بینی ضریب دبی سرریز غیرخطی قوسی به کمک 243 سری داده¬ی آزمایشگاهی بررسی شده است. پارامترهای هندسی و هیدرولیکی مورد استفاده در این پژوهش شامل بار آبی 〖(H〗_T)، ارتفاع سرریز (P)، نسبت بار آبی کل(H_T/p) ، زاویه سیکل قوسی (Ɵ)، زاویه دیواره سیکل(α) و ضریب دبی (Cd) می¬باشد. نتایج هوش مصنوعی نشان داد که ترکیب پارامترهای(Cd, H_T/p, α, Ɵ) در الگوریتم¬ SVM در مرحله¬ی آموزش و آزمون به ترتیب برابراست با (9907/0=(R2، (0183/0=(RMSE، (9871/0=(DC و (9914/0=(R2، (0206/0=(RMSE، (9848/0=(DC و در الگوریتم QNET در مرحله¬ آموزش و آزمون به ترتیب برابر (9876/0=(R2، (0215/0=(RMSE، (9878/0=(DC و (9637/0=(R2، (0736/0=(RMSE، (8967/0=(DC می¬باشند که در مقایسه با دیگر ترکیب¬ها منجر به بهینه¬ترین خروجی شده است که نشان دهنده دقت بسیار مطلوب الگوریتم¬های SVMو QNET در پیش¬بینی ضریب دبی سرریز غیرخطی قوسی است. نتایج آنالیز حساسیت نشان داد که پارامتر موثر در تعیین ضریب دبی سرریز غیرخطی قوسی در SVM و QNET پارامتر نسبت بار آبی کل (H_T/p) می¬باشد.

کلمات کلیدی : سرریز غیرخطی ضریب دبی آنالیز حساسیت شبکه¬های عصبی