مهدی ماجدی اصل

سرریزهای کنگره ای ضمن برخوردار بودن از مزیت های 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. الگوریتم های هوشمند به دلیل توانایی زیاد در کشف رابطه های دقیق پیچیده ی مخفی بین پارامترهای مستقل موثر و پارامتر وابسته و همچنین صرفه جویی مالی و زمانی، جایگاه بسیار ارزشمندی بین پژوهشگران پیدا کرده اند. در این پژوهش عملکرد الگوریتم Qnet در پیش بینی ضریب دبی سرریزهای کنگره ای با تاج ربع دایره و نیم دایره به کمک تعداد 318 سری داده برای سناریو اول و سناریو دوم شامل تعداد 363 سری داده بررسی شده است. پارامترهای هندسی و هیدرولیکی مورد استفاده در این پژوهش شامل نسبت بار آبی کل(H_T/p) ، ضریب بزرگ نمایی (L_C/W)، زاویه دیواره سیکل(α) و ضریب دبی (Cd) می باشد. نتایج هوش مصنوعی نشان داد که ترکیب پارامترهای(Cd, H_T/p, α, L_C/W) به ترتیب در الگوریتم Qnet در مرحله ی آموزش مربوط به (سناریو اول) با شاخصه های ارزیابی به ترتیب برابراست با (9960/0=(R2، (0080/0=(RMSE، (9961/0=(DC می باشد. در مرحله آموزش مربوط به (سناریو دوم) با شاخصه های ارزیابی برای الگوریتم های Qnet به ترتیب برابراست با (9791/0=(R2، (0208/0=(RMSE، (9792/0=(DC می باشد که در مقایسه با دیگر ترکیب ها منجر به بهینه ترین خروجی شده است که نشان دهنده دقت بسیار مطلوب الگوریتم Qnet در پیش بینی ضریب دبی سرریز کنگره ای است. نتایج آنالیز حساسیت نشان داد که پارامتر موثر در تعیین ضریب دبی سرریز کنگره ای Qnetپارامتر نسبت بار آبی کل (H_T/p) می باشد.