مدل‌سازی ضریب دبی سرریز کرامپ با استفاده از روش‌های یادگیری ماشینی

Abstract

سرریز کرامپ در طبقه ­بندی سرریزها در میان سرریزهای لبه‌ کوتاه جای می‌گیرد. طراحی این سرریز به‌گونه‌ای است که شیب بالادست آن بیشتر از شیب پایین‌دست آن بوده و موجب می‌شود که رسوبات به‌راحتی تخلیه گردند. در این تحقیق عملکرد روش­های -kنزدیک‌ترین همسایگی و رگرسیون بردار پشتیبان در مدل­سازی ضریب دبی سرریز کرامپ با استفاده از داده‌های آزمایشگاهی موردبررسی قرار گرفت. داده‌ها در 174 دسته و 9 ترکیب مختلف از پارامترهای ورودی شامل شیب بالادست (S_up)، شیب پایین‌دست (S_do)، عدد رینولدز (R_e) و نسبت عمق آب روی سرریز در بالادست به ارتفاع سرریز (h₁/P) مورداستفاده قرار گرفت. در چهار مرحله به‌ترتیب 66، 70، 75 و 80 درصد داده‌های آزمایشگاهی برای آموزش و مابقی آن‌ها در هر مرحله جهت آزمون استفاده گردید. براساس یافته­ها در هر دو روش، بهترین نتیجه زمانی حاصل می‌شود که از 80 درصد داده‌ها برای آموزش و 20 درصد داده‌ها برای آزمون استفاده ‌شود. از سوئی دیگر روش نزدیک‌ترین همسایگی در مقایسه با رگرسیون بردار پشتیبان از توانمندی بیشتری در مدل‌سازی ضریب دبی سرریز کرامپ برخوردار بوده و نسبت (h₁/P) تأثیر مهمی در تخمین ضریب دبی سرریز کرامپ داشته و قادر است با دقت نسبتاً بالایی ضریب دبی سرریز را مدل‌سازی نماید. همچنین نتایج نشان داد با کاربرد ترکیب ورودی شامل پارامترهای h₁/P, S_up, S_do، روش­های رگرسیون بردار پشتیبان و نزدیک‌ترین همسایگی به‌ترتیب با ضرایب همبستگی 969/0 و 987/0 بیشترین دقت را از خود نشان دادند.