تخمین عمق آبشستگی سازه‌های کنترل شیب با سرریز لبه تیز با استفاده از مدل‌های هوش مصنوعی

Abstract

چکیده مقدمه: عدم قطعیت پارامترهای فیزیکی فرایند عمق آبشستگی پایین‌دست سازه­های کنترل شیب با سرریز لبه تیز، نتایج مدل‌سازی را تحت تأثیر قرار می­دهند. روش­: در این تحقیق، از روش‌های هوش مصنوعی برای تخمین مقدار عمق آبشستگی سازه­ های کنترل شیب با سرریز لبه تیز به دلیل پیچیدگی پدیده استفاده شد. از سه مدل شبکه عصبی، سیستم عصبی فازی تطبیقی و ماشین بردار پشتیبان به‌عنوان روش­های هوش مصنوعی یا جعبه سیاه برای حل مسئله استفاده گردید. به‌منظور شبیه­ سازی عمق آبشستگی در سازه‌های کنترل شیب با سرریز لبه تیز از 225 داده استفاده شد. در تمامی مدل­ها، از 70 درصد داده­ها برای واسنجی و از 30 درصد داده­ها برای صحت سنجی در روش­های هوش مصنوعی استفاده به عمل آمد. یافته ­ها: آنالیز حساسیت نسبت به پارامترهای ورودی در هر سه مدل پیشنهادی نشان داد که اعمال پارامترهای عرض سرریز، ارتفاع ریزش آب، ارتفاع آب روی تاج، اختلاف ارتفاع آب در بالادست و پایین دست، قطر متوسط ذرات و عمق آب در پایین دست، کارایی مدل­ها را بهبود می­دهد. در تخمین میزان عمق آبشستگی پایین‌دست سازه‌های کنترل شیب با سرریز لبه تیز در هر دو مرحله واسنجی و صحت سنجی، مدل سیستم عصبی فازی تطبیقی نسبت به مدل شبکه عصبی تا 20 درصد و نسبت به مدل ماشین بردار پشتیبان تا 5/8 درصد بر اساس معیارهای رایج در ارزیابی مدل­ها، قابلیت اطمینان بیشتری دارد که این امر می­تواند به دلیل توانایی تئوری فازی در غلبه بر عدم قطعیت پارمترهای موثر در تخمین میزان عمق آبشستگی باشد. نتیجه­ گیری: نتایج مدل­سازی میزان عمق آبشستگی پایین‌دست سازه‌های کنترل شیب با سرریز لبه تیز با استفاده از مدل­های هوش مصنوعی نشان می­دهد که کارایی این مدل­ها در پیش‌بینی مقادیر آبشستگی مناسب هستند و نسبت به روش­های تجربی رایج در زمینه دقیق­تر می­باشند که این امر می­تواند به علت غیرخطی و پیچیده بودن طبیعت مسئله باشد.