عبدالرضا ظهیری؛ محمد قبائی سوق؛ ابوالفضل مساعدی
چکیده
چکیده
محاسبه ی دبی رودخانه ها در مقاطع مرکب، به علت تغییرات آنی و قابل توجه شرایط هندسی و هیدرولیکی مقطع اصلی و دشت های سیلابی بسیار پیچیده است. به همین دلیل پارامترهای متعددی در برآورد آن نقش دارند. تعیین پارامترهای مهم و انتخاب ترکیب بهینه از میان ترکیب های مختلف، یکی از مهم ترین مراحل ساخت و طراحی هرگونه مدل سازی ریاضی و هوشمند است. ...
بیشتر
چکیده
محاسبه ی دبی رودخانه ها در مقاطع مرکب، به علت تغییرات آنی و قابل توجه شرایط هندسی و هیدرولیکی مقطع اصلی و دشت های سیلابی بسیار پیچیده است. به همین دلیل پارامترهای متعددی در برآورد آن نقش دارند. تعیین پارامترهای مهم و انتخاب ترکیب بهینه از میان ترکیب های مختلف، یکی از مهم ترین مراحل ساخت و طراحی هرگونه مدل سازی ریاضی و هوشمند است. در این تحقیق با محاسبه 10 پارامتر بدون بعد هندسی و هیدرولیکی از 30 مقطع مرکب آزمایشگاهی و صحرایی (جمع آوری شده)، دبی جریان به کمک شبکه ی عصبی مصنوعی مبتنی بر روش پیش پردازش گاما تست محاسبه شده است. بر اساس نتایج این روش پارامترهای عمق نسبی، کوهیرنس مقطع، شیب عرضی بستر دشت های سیلابی و عرض نسبی دشت سیلابی موثرترین پارامترها شناخته شدند. هم چنین از میان 1023 ترکیب حاصل از 10 پارامتر ورودی، ترکیب این چهار پارامتر به عنوان مدل بهینه تعیین گردید. بررسی کفایت داده ها با استفاده از M تست برای مدل بهینه نشان داد که تعداد داده های لازم برای ایجاد یک مدل هموار برابر 300 مجموعه می باشد. دبی جریان در مقاطع مرکب با استفاده از مدل بهینه (مدل 4 پارامتری) و هم چنین مدل های بهینه ی 1، 2 و 3 پارامتری مدل سازی شد. سپس با نتایج مدل های حاصل از تمامی 10 پارامتر ورودی و هم چنین روش تجزیه ی قائم مقطع مرکب Divided Channel Method (DCM) براساس آماره های مختلف آماری مقایسه گردیدند. نتایج نشان داد که مدل بهینه با IPE برابر با 123/0 از بالاترین دقت و روش DCM با IPE برابر با 867/0 از کم ترین دقت برخوردارند.
