بررسی عملکرد روش های کلاسیک و هوش مصنوعی در تخمین ضریب زبری در پیچانرودها
برآورد دقیق ضریب زبری رودخانه ها همواره از مسایل مهم و اساسی در مدل سازی هیدرولیک رودها می باشد. در تحقیق کنونی از روش های هوشمند ماشین بردار پشتیبان (SVM) و سیستم استنتاج تطبیقی عصبی- فازی (ANFIS) جهت تخمین زبری هیدرولیکی پیچان رودها استفاده گردید و تاثیر پارامترهای مختلفی از قبیل شیب کانال، میزان سینوسی بودن کانال و هم چنین پارامترهای هیدرولیکی مانند عدد رینولدز جریان در تعیین زبری این نوع کانال ها مورد بررسی قرار گرفت. از طرف دیگر، نتایج حاصل با روش های کلاسیک مقایسه گردید. جهت مدل سازی ضریب زبری از دو سری داده آزمایشگاهی مربوط به کانال های سینوسی شکل استفاده گردید. نتایج حاصله نشان داد که روش های هوشمند SVM و ANFIS در تخمین ضریب زبری مانینگ در رودخانه های طبیعی نسبت به فرمول های نیمه تجربی دقیق تر و قابل اعتمادتر می باشند. ملاحظه گردید که در تخمین ضریب زبری مانینگ مدل با پارامترهای ورودیα (ضریب شکل)، Sr(ضریب مارپیچی)، S0(شیب کانال) و Re(عدد رینولدز) منجر به جواب های دقیق تری می گردد. نتایج به دست آمده نشان داد که در تخمین ضریب زبری در پیچان رودها، تاثیر پارامتر ضریب شکل در افزایش دقت مدل ها از ضریب سینوسی بیش تر است. هم چنین نتایج تحلیل حساسیت نشان داد که شیب کانال تاثیرگذارترین پارامتر در تخمین ضریب زبری در پیچان رودها است.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.