افزایش دقت پیش بینی ضریب دبی در سرریزهای لبه تیز قوس محور با استفاده از الگوریتمهای تکاملی و شبکه هوش مصنوعی

صانعی, مجتبی; فرودی خور, علی

doi:10.22092/ijwmse.2018.107174.1167

تعداد نشریات	274
تعداد نشریات سازمان	73
تعداد شماره‌ها	1,675
تعداد مقالات	19,385
تعداد مشاهده مقاله	10,704,490
تعداد دریافت فایل اصل مقاله	8,239,549

	افزایش دقت پیش بینی ضریب دبی در سرریزهای لبه تیز قوس محور با استفاده از الگوریتمهای تکاملی و شبکه هوش مصنوعی
مهندسی و مدیریت آبخیز
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 22 مرداد 1398
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22092/ijwmse.2018.107174.1167
نویسندگان
مجتبی صانعی¹؛ علی فرودی خور ²
¹معاونت پژوهشی، پژوهشکده حفاظت خاک و آبخیزذاری
²دانشجوی دکترای عمران-دانشگاه تبریز
چکیده
سرریزها یکی از سازه‌های متداول برای تخلیه و اندازه‌گیری جریان می‌باشند، به همین جهت این نوع سازه‌های هیدرولیکی بسته به هدف مورد استفاده، دارای اشکال مختلفی هستند. اشکال مختلفی برای افزایش ضریب دبی سرریزهای لبه تیز ارائه شده است، اما تاکنون در زمینه تخمین ضریب دبی سرریزهای لبه تیز قوس محور و نیز استخراج رابطه دبی-اشل آنها تحقیقات بسیار کمی انجام شده است. دراین تحقیق به کمک روش نوین بهینه‌سازی برنامه‌ریزی بیان ژن و همچنین روش شبکه هوش مصنوعی روابطی بدون بعد بر اساس پارامترهای زاویه قوس سرریز و نسبت بار آبی بالادست سرریز به ارتفاع آن برای برآورد ضریب دبی این سازه‌ها ارائه شده است. برای واسنجی و صحت‌سنجی (آزمون) رابطه پیشنهادی، داده‌های آزمایشگاهی کومار و همکاران استفاده شده است. مقایسه نتایج محاسباتی این رابطه با مقادیر آزمایشگاهی ضریب دبی سرریزهای قوسی نشان داد که رواابط پیشنهادی از دقت بسیار مناسبی برخوردار میباشد. است با توجه به معیارهای عملکرد، دو مدل‌ برای GEP و یک روش برای ANN انتخاب شدند؛ که در همه این مدل‌ها الگوی ورودی یکسان می‌باشد، در روش منحنی برنامه ریزی ژنتیک الگوی ورودی با عملگرهای F2 وF4 با داشتن بیشترین ضرایب تعیین برای داده‌های آزمون به ترتیبDC=0.924 وDC=0.956 بهترین عملگرها در این روش انتخاب گردیدند، همچنین در روش ANN نیز با متغیر قرار دادن تعداد نورون ها در لایه های مخفی در بازه 10-2، مدل حاضر با تعداد 10 نورون دارای بیشترین DC=0.962 نسبت به الگوهای دیگر می‌باشد.
کلیدواژه‌ها
ضریب دبی؛ سرریزهای لبه تیز؛ قوس محوری؛ برنامه ریزی بیان ژن؛ شبکه هوش مصنوعی
عنوان مقاله [English]
Enhancing Accuracy of Discharge capacity Prediction of a sharp-crested curved plan-form weirs under free flow conditions Using Evolutionary Algorithms and artificial networks
نویسندگان [English]
Ali Forudi²؛


چکیده [English]
Weirs are used for flow measurement, flood control in reservoirs and water level control in irrigation systems. Therefore, these types of hydraulic structures depending on the purpose of use have different shapes. Various weirs of modified plan form (i.e. triangular, Sutro, ..) have been suggested in the past to enhance their discharging capacity with minimum head over the weirs and to restrict the afflux. The aim of this study is to apply different methods to prediction the discharging capacity of a sharp-crested curved plan-form weirs under free flow conditions by using original experimental dataset through the artificial networks (ANNs) and Genetic Expression Programming (GEP) techniques. Subsequently, for training and testing of the proposed equation, experimental data of Kumar et al, have been used. The obtained results indicate that applied machine learning techniques have reliable performance in predicting discharging capacity of a sharp-crested curved plan-form weirs. Comparison of results obtained from these equations with the experimental data reveal high accuracy of the new equations of genetic programming and result of the artificial networks (ANNs). Determination coefficient of the proposed equation for discharge coefficient have been calculated as 0.956 and 0.924 for the model with best functions (F2 and F4), Also this parameter calculated for ANNs as 0.962 for testing phases.
کلیدواژه‌ها [English]
Genetic Programming, Artificial Neural Network, Discharge capacity, Sharp crested Weir, Curved plan- form


مراجع

آمار تعداد مشاهده مقاله: 4

Journal Management System. Designed by sinaweb.

آمار

افزایش دقت پیش بینی ضریب دبی در سرریزهای لبه تیز قوس محور با استفاده از الگوریتمهای تکاملی و شبکه هوش مصنوعی