تعیین قابلیت تکنیک های هوش مصنوعی در تخمین استهلاک انرژی سرریزهای پلکانی با رژیم جریان رویه ای

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، گروه کشاورزی، دانشگاه پیام نور، ایران.

2 دانشجوی دکتری - ساز های هیدرولیکی -گروه عمران - دانشگاه سیستان و بلوچستان - زاهدان

3 استادیار، گروه علوم و مهندسی آب، دانشگاه جهرم، فارس، ایران

چکیده

استهلاک انرژی در سرریز های پلکانی از اهداف اولیه اینگونه سازه ها محسوب می شود. در این پژوهش دقت روش شبکه عصبی مصنوعی(ANNs)، روش مدل استنتاج عصبی فازی تطبیقی که بر اساس الگوریتم بهینه سازی کرم شب تاب آموزش دیده است(ANFIS-FA) و روش برنامه ریزی بیان ژن(GEP) در تخمین افت انرژی سرریز های پلکانی با رژیم جریان رویه ای مورد بررسی قرار گرفته است. همچنین با انجام آنالیز حساسیت به بررسی اهمیت پارامترهای ورودی در پیش بینی افت انرژی برای هریک از سه روش ذکر شده پرداخته شده است. بدین منظور از تعداد 154 سری داده آزمایشگاهی استفاده شده است. پارامترهای ورودی برای هر روش شامل عدد فرود اولیه پرش، عدد آبشار، تعداد پلکان، شیب سرریز پلکانی و نسبت عمق بحرانی به ارتفاع پله می باشد. نتایج نشان می دهد که هر سه روش توانایی بالاتری در پیش بینی افت انرژی نسبت به روشهای کلاسیک برای تخمین افت انرژی که بر پایه روش های متداول رگرسیون گیری بنا شده اند داشته اند. دقت روش ANFIS-FA ( با ) اندکی بیشتر از روش GEP ( با ) می باشد. دقت شبکه عصبی اندکی پایین تر از دو روش فوق است. با این وجود بیشترین دقت بدست آمده مربوط به شبکه عصبی پرسپترون چندلایه با 3 لایه مخفی با تعداد بتریتب 12 و 8 و 7 گره در هر لایه می باشد. در هر سه روش موثرترین پارامتر، عدد آبشار و کم اثر گذارترین پارامتر، شیب سرریز پلکانی می باشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Determining the capability of artificial intelligence in estimating energy dissipation of skimming flow regime at stepped spillways

نویسندگان [English]

  • Arash Jael 1
  • Mohammad Rashki Ghaleh Nou 2
  • Masih Zolghadr 3
1 assistante proffessor, Agriculture Department, Payame Noor University, Iran
2 Ph.D Student- Hydraulic structures- Dep. of Civil Engineering- University of Sistan and Balouchestan- Zahedan
3 Assitant Professor, Dept. Of Water Sciences Engineering, Faculty of Agriculture, Jahrom University, Fars, Iran
چکیده [English]

Energy dissipation in stepped spillways is one of the primary goals of such structures. In this study, the accuracy of the artificial neural network (ANNs) method, the adaptive fuzzy neural inference model method based on the trained firewall optimization algorithm (ANFIS-FA) and the gene expression programming method (GEP) in estimating the energy loss of skimming flow regime on stepped spillways has been studied. Also, by performing sensitivity analysis, the importance of input parameters in predicting energy loss for each of the three mentioned methods has been investigated. For this purpose, 154 series of laboratory data have been used. The input parameters for each method include the hydraulic jump Froude number, the Drop number, the number of steps, the pseudo bottom slope and the ratio of the critical depth to the height of each step.
. The results show that all three methods had a higher ability to predict energy loss than classical methods for estimating energy loss based on conventional regression methods. The accuracy of the ANFIS-FA (with) method is slightly higher than the GEP (with) method. The accuracy of the neural network is slightly lower than the above two methods.
However, the highest accuracy obtained is related to the multilayer perceptron neural network with 3 hidden layers with the number of 12, 8 and 7 nodes in each layer, respectively. In all three methods, the most effective parameter is the waterfall number and the least effective parameter is the pseudo bottom slope.

کلیدواژه‌ها [English]

  • energy dissipation
  • stepped spillway
  • skimming flow
  • ANFIS-FA
  • GEP