افزایش دقت پیش‌بینی ضریب دبی در سرریزهای لبه‌تیز قوس محور با استفاده از الگوریتم‌های تکاملی و شبکه هوش مصنوعی

سرریزها یکی از سازه­‌های متداول برای تخلیه و اندازه­‌گیری جریان هستند، به همین منظور این نوع سازه­‌های هیدرولیکی بسته به هدف مورد استفاده، دارای اشکال مختلفی هستند. ضرایب طراحی سرریز­ها که در مراجع استاندارد طراحی در دسترس است، مربوط به سرریز­هایی است که امتداد آن‌­ها عمود بر جهت جریان است. در برخی از موارد به‌دلیل محدودیت­‌های اجرایی و طراحی، استفاده از سرریزهای کنگره‌ای، سرریز­های جانبی و همچنین، طراحی سرریزهای قوس محور اجتناب­‌ناپذیر است. تا کنون در زمینه تخمین ضریب دبی این سرریزها و نیز استخراج رابطه دبی-اشل آن‌ها تحقیقات بسیار کمی انجام شده است. در این تحقیق، به کمک روش نوین بهینه­‌سازی برنامه­‌ریزی بیان ژن و همچنین، روش شبکه هوش مصنوعی روابطی بدون بعد بر اساس پارامترهای زاویه قوس سرریز و نسبت بار آبی بالادست سرریز به ارتفاع آن برای برآورد ضریب دبی این سازه‌­ها ارائه شده است. برای واسنجی و صحت‌­سنجی (آزمون) رابطه پیشنهادی، داده­های آزمایشگاهی Kumar و همکاران استفاده شده است. مقایسه نتایج محاسباتی این رابطه با مقادیر آزمایشگاهی ضریب دبی سرریزهای قوسی نشان داد که روابط پیشنهادی از دقت بسیار مناسبی برخوردار است. با توجه به معیارهای عملکرد، دو مدل­ برای GEP و یک روش برای ANN انتخاب شدند که در همه این مدل­‌ها الگوی ورودی یکسان می­‌باشد. در روش منحنی برنامه‌ریزی ژنتیک الگوی ورودی با عملگرهای 2F و 4F با داشتن بیشترین ضرایب تعیین برای داده‌­های آزمون به‌ترتیب 0.924=DC و 0.956=DC بهترین عملگرها در این روش انتخاب شدند. همچنین، در روش ANN نیز با متغیر قرار دادن تعداد نورون‌ها در لایه‌های مخفی در بازه 10-2، مدل حاضر با تعداد 10 نورون دارای بیشترین 0.962=DC نسبت به الگوهای دیگر می‌باشد.

Keywords:

اندازه‌گیری جریان , برنامه‌ریزی بیان ژن , سازه هیدرولیکی , شکل قوس-محور , روش Kumar