مطالعه آزمایشگاهی مقاومت جریان در حضور پوشش گیاهی صلب و پیشبینی آن با مدلهای هوشمند | ||
| تحقیقات آب و خاک ایران | ||
| دوره 55، شماره 7، مهر 1403، صفحه 1167-1183 اصل مقاله (2.13 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2024.372519.669665 | ||
| نویسندگان | ||
| یاسر مهری* 1؛ محمدحسین امید1؛ صلاح کوچک زاده1؛ محسن نصرآبادی2 | ||
| 1گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران | ||
| 2گروه علوم و مهندسی آب، دانشگاه اراک، اراک، ایران | ||
| چکیده | ||
| تعیین ضرایب مقاومت و کاهش عدم قطعیت در انتخاب این پارامتر یکی از مهمترین عوامل دستیابی به مشخصات جریان در رودخانهها و مجاری روباز است. از این رو، انتخاب مطلوب ضریب زبری در شرایط مختلف مانند وجود پوشش گیاهی از جمله موضوعات موردتوجه پژوهشگران بوده است. در این پژوهش، ابتدا ضریب زبری مانینگ در یک فلوم آزمایشگاهی با حضور آرایشهای مختلف پوشش گیاهی تعیین شد. سپس توانایی پنج مدل هوشمند شامل GMDH، ANN-RBF،RT ، ANFIS و ANFIS-PSO در پیشبینی ضریب زبری مانینگ ارزیابی شد. مدلها در محیط نرمافزار MATLAB کدنویسی شد. با توجه به ایجاد جریان متغیر تدریجی در کانال آزمایشگاهی، نیمرخ سطح آب به دست آمده از طریق حل به روش اویلر، با مقادیر اندازهگیری شده در آزمایشگاه مقایسه شد. نتایج نشان داد که تطابق قابلقبول بین پروفیل سطح آب آزمایشگاهی و برآوردهای انجامشده با روش اویلر وجود دارد. ارزیابی نتایج مدلها بر اساس تحلیل آماری بهکاررفته نشان داد که مدل ANFIS - PSO عملکرد بهتری نسبت به سایر مدلها در پیشبینی ضریب مانینگ دارد، بهطوری که نتایج این مدل RMSE=0.0096، R2=0.9984 و KGE=0.9922 در مرحله آموزش و RMSE=0.0099، R2=0.9982 و KGE=0.9873 در مرحله آزمون است. در مراتب بعد، از لحاظ دقت بهترتیب مدلهای ANN-RBF، GMDH، ANFIS و RT قرار می-گیرند. با ارزیابی نتایج ترکیبهای مختلف در مدلسازی مشخص شد، سه پارامتر تراکم پوشش گیاهی (D)، آرایش پوشش گیاهی (N) و عدد رینولدز (Re) به ترتیب تاثیر بیشتری در ارائه نتایج درست داشتند. | ||
| کلیدواژهها | ||
| یادگیری ماشین؛ بررسی آزمایشگاهی؛ مدلسازی؛ جریان متغیر تدریجی؛ زبری | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 580 تعداد دریافت فایل اصل مقاله: 424 |
||