| چکیده
|
سرریزهای کنگره ای ضمن برخوردار بودن از مزیتهای اقتصادی، قابلیت عبوردهی بیشتری را نسبت به سرریزهای خطی دارند. این سرریزها از طریق افزایش طول تاج در یک عرض مشخص، در مقایسه با سرریزهای خطی راندمان دبی بیشتر با ارتفاع آزاد کمتر در بالادست را دارند. الگوریتمهای هوشمند به دلیل توانایی زیاد در کشف رابطههای دقیق پیچیدهی مخفی بین پارامترهای مستقل موثر و پارامتر وابسته و همچنین صرفهجویی مالی و زمانی، جایگاه بسیار ارزشمندی بین پژوهشگران پیدا کردهاند. در این پژوهش عملکرد الگوریتم QNETدر پیشبینی ضریب دبی سرریزه کنگرهای با زاویهی سیکل 6درجه به کمک تعداد 243سری داده برای سناریو اول بررسی شده است. پارامترهای هندسی و هیدرولیکی مورد استفاده در این پژوهش شامل نسبت بار آبی کل ، ضریب بزرگ نمایی، زاویه دیواره سیکل ) ،(αزاویه سیکل قوسی ) (θو ضریب دبیCdمیباشد. نتایج هوش مصنوعی QNETنشان داد که ترکیب پارامترهای Cd, HT p θ , , در الگوریتم QNETدر مرحلهی آموزش مربوط به (سناریو اول) با شاخصههای ،(RMSE=0/0292( ،(R2=0/9824( و در مرحله آزمونDC=0/9892( ،(RMSE=0/0259( ،(R2=0/9889( ارزیابی بهترتیب برابراست با ( (DC=0/9788میباشد که در مقایسه با دیگر ترکیبها منجر به بهینهترین خروجی شده است که نشان دهنده دقت بسیار مطلوب الگوریتم QNETدر پیشبینی ضریب دبی سرریز غیرخطی قوسی است. نتایج آنالیز حساسیت نشان داد که پارامتر موثر در تعیین ضریب دبی سرریز کنگرهای قوسی پارامتر نسبت بار آبی کل میباشد.
|