مهدی ماجدی اصل

در این پژوهش عملکرد الگوریتم‌‌های ANN و SVM در پیش‌بینی ضریب دبی سرریز کنگره‌ای قوسی و کلیدپیانویی قوسی به کمک 243 سری داده‌ی آزمایشگاهی کروکستون برای سناریو اول و 170 سری داده‌ی آزمایشگاهی دانشگاه مراغه برای سناریو دوم بررسی شده است. پارامترهای هندسی و هیدرولیکی مورد استفاده در این پژوهش شامل نسبت بار آبی کل(H_T/p) ، بزرگ نمایی (L_C/W)، زاویه سیکل قوسی (Ɵ)، زاویه دیواره سیکل(α) ، فرود(Fr) ، نسبت طول داخلی دماغه به عرض سرریز (A/W) و ضریب دبی (Cd) می‌باشد. نتایج هوش مصنوعی نشان داد که ترکیب پارامترهای(Cd, H_T/p, α, Ɵ) در الگوریتم‌‌های SVM وANN در مرحله‌ آموزش مربوط به سناریو‌ی اول به ترتیب برابر است با (9876/0=(R2، (0217/0=(RMSE، (9888/0=(DC و (9637/0=(R2، (0636/0=(RMSE، (8966/0=(DC و ترکیب پارامترهای(Cd, H_T/p, L_C/W, Ɵ, A/W, Fr) در الگوریتم‌‌های SVM وANN در مرحله‌ آموزش مربوط به سناریو‌ی دوم به ترتیب برابر است با (9876/0=(R2، (0217/0=(RMSE، (9888/0=(DC و (9637/0=(R2، (0636/0=(RMSE، (8966/0=(DC می‌باشند که در مقایسه با دیگر ترکیب‌ها منجر به بهینه‌ترین خروجی شده است که نشان‌دهنده دقت بسیار مطلوب هر دو الگوریتم‌ SVM وANN در پیش‌بینی ضریب دبی سرریز غیرخطی قوسی و کلیدپیانویی قوسی است. نتایج آنالیز حساسیت نشان داد که پارامتر موثر در تعیین ضریب دبی پارامتر نسبت بار آبی کل(H_T/p) می‌باشد.