بررسی عملکرد روشهای کلاسیک و هوش مصنوعی در تخمین ضریب زبری در پیچانرودها

برآورد دقیق ضریب زبری رودخانه­ها همواره از مسایل مهم و اساسی در مدل سازی هیدرولیک رودها می­باشد. در تحقیق کنونی از روش­های هوشمند ماشین­بردار پشتیبان (SVM) و سیستم استنتاج تطبیقی عصبی- فازی (ANFIS) جهت تخمین زبری هیدرولیکی پیچان­رودها استفاده گردید و تاثیر پارامترهای مختلفی از قبیل شیب کانال، میزان سینوسی بودن کانال و هم­چنین پارامترهای هیدرولیکی مانند عدد رینولدز جریان در تعیین زبری این نوع کانال­ها مورد بررسی قرار گرفت. از طرف دیگر، نتایج حاصل با روش­های کلاسیک مقایسه گردید. جهت مدل­سازی ضریب زبری از دو سری داده آزمایشگاهی مربوط به کانال­های سینوسی­شکل استفاده گردید. نتایج حاصله نشان­داد که روش­های هوشمند SVM و ANFIS در تخمین ضریب زبری مانینگ در رودخانه­های طبیعی نسبت به فرمول های نیمه­تجربی دقیق­تر و قابل اعتمادتر می­باشند. ملاحظه گردید که در تخمین ضریب زبری مانینگ مدل با پارامترهای ورودیα (ضریب شکل)، Sr(ضریب مارپیچی)، S۰(شیب کانال) و Re(عدد رینولدز) منجر به جواب­های دقیق­تری می­گردد. نتایج به دست آمده نشان داد که در تخمین ضریب زبری در پیچان­رودها، تاثیر پارامتر ضریب شکل در افزایش دقت مدل­ها از ضریب سینوسی بیش­تر است. هم­چنین نتایج تحلیل حساسیت نشان داد که شیب کانال تاثیرگذارترین پارامتر در تخمین ضریب زبری در پیچان­رودها است.

Keywords:

رودخانه , روش های هوش مصنوعی , ضریب مانینگ , ANFIS