تخمين ضريب اصطكاك رودخانه¬ها با استفاده از مدل¬هاي محاسباتي نرم

كارشناسي ارشد

يكي از موارد مهم و اصلي مورد بررسي مهندسين در هنگام تحليل جريان‌هاي داراي سطح آزاد، تعيين مقاومت جريان است. در اين تحقيق با استفاده از چهار روش محاسبات نرم شامل شبكه عصبي مصنوعي، ماشين بردار پشتيبان، سيستم استنتاج عصبي-فازي تطبيقي و روش دسته‌بندي گروهي داده‌ها و با بكارگيري داده‌هاي رودخانه‌اي و پارامترهاي بي‌بعد، ضريب زبري دارسي-ويسباخ برآورد شده است. پارامترهاي مورد استفاده دو گروه بوده است، كه يكي شامل سه ورودي از جمله شيب اصطكاك، نسبت غوطه‌وري عمق جريان و عدد فرود است و ديگري كه شامل دو ورودي از جمله شيب اصطكاك و نسب غوطه‌وري شعاع هيدروليكي است. سپس نتايج حاصل شده از اين روش‌ها با استفاده از شش معيار ارزيابي مختلف با يكديگر و با سه رابطه تجربي ارائه شده توسط محققين مختلف مقايسه شده است. عملكرد مدل‌هاي مورد استفاده، نشان‌دهنده دقت و توانايي آن‌ها در برآورد ضريب زبري بود. علاوه بر اين روش دسته‌بندي گروهي داده‌ها روابطي را جهـت برآورد ضريب زبري ارائه كرد. در نهايـت نتـايج حاصـله نشـان داد كـه شبكه‌ عصبي مصنوعي بالاترين دقت را در برآورد ضريب زبري دارسي-ويسباخ داشته است،¬ بطوري كه اين روش در ورودي‌هاي سه‌گانه نسبت به روش سيستم استنتاج عصبي-فازي تطبيقي كه در جايگاه دوم است باعث كاهش 3 درصدي و نسبت به دو روش ماشين بردار پشتيبان و روش دسته‌بندي گروهي داده‌ها به ترتيب موجب كاهش 23 و 27 درصدي ميانگين مطلق خطا شده است. در ورودي‌هاي دوگانه نيز شبكه‌ عصبي مصنوعي با بهترين عملكرد باعث كاهش 12 درصدي ميانگين مطلق خطا نسبت به روش سيستم استنتاج عصبي-فازي تطبيقي و كاهش 15 و 27 درصدي اين پارامتر به ترتيب نسبت به دو روش ماشين بردار پشتيبان و روش دسته‌بندي گروهي داده‌ها شده است. در كل نيز نتايج مدل‌هاي مورد استفاده از نتايج روابط تجربي بهتر بوده است، بطوري كه روش شبكه‌ عصبي مصنوعي با ورودي سه¬گانه كه داراي بهترين عملكرد و روش دسته‌بندي گروهي داده‌ها با ورودي دوگانه كه ضعيف‌ترين مدل محاسباتي نرم بوده¬اند، به ترتيب باعث كاهش 77 و 31 درصدي ميانگين مطلق خطا نسبت به بهترين رابطه تجربي مورد بررسي، شده¬اند.

195811

دانشگاه علم و صنعت ايران

مهندسي آب و سازه هاي هيدروليكي

ابراهيم جباري