بررسی عملکرد روش های کلاسیک و هوش مصنوعی در پیش بینی عمق استغراق بحرانی آبگیرهای افقی در کانال های با جریان روباز

آبگیرهای افقی یکی از سازه های متداول در برداشت آب از کانال های روباز مانند رودخانه ها و منابعی مانند دریاچه ها و مخازن سدها می باشند. یکی از پدیده های هیدرولیکی که عمدتا به هنگام آبگیری از کانال ها ایجاد می شود، تشکیل جریان گردابی و حباب های هوا می باشد که می تواند مشکلات زیادی برای تاسیسات هیدرو مکانیکی آبگیرها ایجاد نماید. ارتفاع ناکافی آب بالای لوله آبگیر (عمق استغراق) از دلایل عمده تشکیل جریان گردابی در آبگیرهای افقی می باشد. به دلیل اهمیت این پدیده تاکنون مطالعات بسیاری جهت تخمین عمق استغراق بحرانی انجام گرفته است. با این وجود، به دلیل عدم قطعیت در تشکیل گرداب در نزدیکی لوله آبگیر، نتایج حاصل از دقت مطلوبی برخوردار نمی باشد. در تحقیق کنونی با استفاده از سه سری داده آزمایشگاهی، کارآیی روش های هوش مصنوعی (ماشین بردار پشتیبان SVM و سیستم استنتاج عصبی -فازی انطباقی ANFIS و برنامه ریزی بیان ژن GEP) و روابط کلاسیک در تخمین عمق استغراق بحرانی آبگیرهای افقی در کانال های روباز و با فاصله متفاوت آبگیر از کف کانال مورد بررسی قرار گرفته است. نتایج به دست آمده بیان گر آن است که روش های هوش مصنوعی در تخمین عمق استغراق بحرانی بسیار دقیق تر از مدل های کلاسیک بوده و می توان همبستگی مناسبی را بین مقادیر مشاهداتی و محاسباتی مشاهده نمود. بهترین نتایج برای داده های آزمون، با استفاده از روش SVM در حالت C=di/2 (di و C به ترتیب قطر و فاصله آبگیر از کف کانال می باشند) با مقادیر 976/0DC=، 988/0R= و 191/0RMSE= به دست آمد. مطابق با نتایج تحلیل حساسیت مشاهده گردید که سرعت نسبی جریان و عدد وبر در لوله آبگیر به ترتیب بیشترین و کمترین تاثیر را در تخمین عمق استغراق بحرانی دارا می باشند.