محاسبه ارتفاع آبشار در پایین دست سرریزهای اوجی جهت کنترل پرش هیدرولیکی
سرریز های اوجی بهتر است به گونه ای طراحی شوند که پرش هیدرولیکی در پای سرریز تشکیل شود و با این عمل از فرسایش و تخریب پایین دست یا بدنه سرریز در حالت پرش مستغرق و آزاد جلوگیری به عمل آید، برای نیل به این هدف می توان از آبشاری در پای سرریز استفاده نمود. در همین راستا، در این پژوهش، هدف، ارایه رابطه ای مستقیم برای محاسبه ارتفاع آبشار بوده که بر اساس آن در نهایت یک رابطه رگرسیونی چندگانه (MR) غیرخطی پیشنهاد شد. این رابطه می تواند بدون نیاز به روش غیرمستقیم و استفاده از منحنی با کم ترین محاسبات، ارتفاع آبشار را برآورد نماید. به علاوه عملکرد مدل های هوشمند شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) نیز در تخمین ارتفاع آبشار مورد بررسی قرار گرفت و سپس نتایج آن ها با رابطه رگرسیونی چندگانه (MR) توسط معیارهای آماری مورد مقایسه قرار گرفت. طبق نتایج مشاهده شد که روش ANN بهتر از روش SVM می تواند ارتفاع آبشار را برآورد نماید. ارزیابی صحت نتایج با استفاده از معیارهای آماری شامل ضریب تبیین (R2)، درصد خطای نسبی (%RE) و جذر میانگین مربعات خطا (RMSE) انجام شد. مقادیر معیارهای آماری %R2 ،RE و RMSE برای مدل MR و برای شرایطی که عدد فرود قبل از پرش هیدرولیکی (Fr1) در محدوده 4.5 تا 15.5 باشد، به ترتیب 0.999، 0.539 و 0.0186، و برای مدل ANN در محدوده فوق الذکر به ترتیب 0.999، 0.394 و 0.00035 به دست آمد. هم چنین در شرایطی که عدد فرود قبل از پرش هیدرولیکی (Fr1) در محدوده 2.5 تا 4.5 باشد، مقدار معیارهای آماری اشاره شده در بالا، برای مدل MR به ترتیب 0.999، 0.240 و 0.0128 و هم چنین برای مدل ANN به ترتیب 0.999، 0.022 و 0.0014 به دست آمد. معیارهای آماری نشان از برتری دو مدل MR و ANN نسبت به مدل SVM در برآورد ارتفاع آبشار برای عدد فرود کم تر و بیش تر از 4.5 دارد.
- 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.