سعید صمدیان فرد - استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
محمدتقی ستاری - استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

معادله ضمنی کلبروک - وایت بهصورت گستردهای برای برآورد ضریب اصطکاک برای جریان متلاطم درلولههای آبیاری مورد استفاده قرار گرفته است. در این میان، ارائه یک راه حل کاربردی و دقیق برای معادله کلبروک -وایت بهمنظور استفاده در محاسبات هیدرولیکی سیستمهای آبیاری تحت فشار امری ضروری است. در این مقالهدر پیشبینی M عملکرد چند روش یادگیری ماشینی شامل رگرسیون بردار پشتیبان، برنامهریزی ژنتیک و مدل درختی ۵ضریب اصطکاک ارزیابی شده و با روابط تجربی ارائه شده توسط محققان مورد مقایسه قرار گرفته است. نتایج حاصلاز تحلیل آماری روشهای مورد مطالعه نشان داد که روابط تجربی بوزلی و هالند بهترتیب با مقادیر جذر میانگین۰/ ۰ و همچنین روش برنامهریزی ژنتیک با جذر میانگین مربعات خطای ۰۰۰۳۱ / ۰ و ۰۰۰۱۵ / مربعات خطای ۰۰۰۰۲عملکرد بهتری در مقایسه با دیگر روشها داشتهاند. همچنین با بررسیهای بهعمل آمده مشخص گردید که مدلهای۰ دقت به - / ۰ و ۰۰۴۱۷ / و رگرسیون بردار پشتیبان بهترتیب با داشتن جذر میانگین مربعات خطای ۰۰۲۰۴ M درختی ۵مراتب کمتری نسبت به روابط تجربی و روش برنامهریزی ژنتیک در برآورد ضریب اصطکاک در لولههای آبیاری دارند.

برنامه ریزی ژنتیک, روابط تجربی, ضریب اصطکاک, لوله های آبیاری, مدلهای هوشمند