ارزیابی مدل های محاسبات نرم مبتنی بر روابط رگرسیونی جهت تخمین افت انرژی در سرریزهای گابیونی
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
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.
کلیدواژگان:
افت انرژی ، رگرسیون ، سرریز ، مهندسی رودخانه
زبان:
فارسی
صفحات:
241 تا 255
لینک کوتاه:
magiran.com/p2577553
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- 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.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!