ارزیابی مدل های محاسبات نرم مبتنی بر روابط رگرسیونی جهت تخمین افت انرژی در سرریزهای گابیونی

برآورد میزان افت انرژی جریان در سرریزهای گابیونی می تواند در کنترل فرسایش پایین دست سازه، مهار سیلاب و تثبیت بستر رودخانه موثر باشد. ازاین رو در این پژوهش با استفاده از مدل رگرسیون چندجمله ای تکاملی (EPR) و رگرسیون چند متغیره تطبیقی اسپلاین (MARS) به تخمین مقدار افت انرژی در این سرریزها پرداخته شد. از 74 نمونه داده آزمایشگاهی حدود 75٪ برای آموزش و 25٪ باقیمانده برای آزمایش مدل ها استفاده شد. پارامترهای بی بعد عدد فرود (Fr)، شیب سرریز (S)، شماره گابیون (GN) و تخلخل (n) به عنوان پارامترهای ورودی استفاده شد. نتایج نشان داد مدل MARS مقادیر تخمین افت انرژی را با حداقل مربعات میانگین خطا (RMSE)، میانگین درصد قدر مطلق خطا (MAPE) و ضریب همبستگی (CC) به ترتیب برابر 054/0، 017/0 و 99/0 پیش بینی می نماید که از دقت بهتری نسبت به مدل EPR برخوردار است. نتایج دیاگرام تیلور نیز نشان داد که عملکرد MARS و EPR مناسب است و دقت بسیار نزدیک به هم دارند. معادله رگرسیونی استخراجی از مدل EPR از پیچیدگی زیادی نسبت به معادله رگرسیونی استخراجی از مدل MARS برخوردار بود. با توجه به نتایج کسب شده استفاده از مدل های مذکور در تخمین افت انرژی در سرریزها توصیه می شود.