مقایسه کارایی هیدرولیکی سرریزهای غیرخطی قوسی در پلان با استفاده از الگوریتم KNN

سرریزهای غیرخطی قوسی در پلان، به عنوان اجزای هیدرولیکی نوین با ساختار منحنی، اهمیت ویژه ای در کنترل سیلاب ها و ارتقای بهره وری سازه های آبی دارند، هرچند پیچیدگی های ساختاری شان مستلزم شبیه سازی پیشرفته با روش های محاسباتی مدرن است. این تحقیق با تمرکز بر ارزیابی عملکرد هیدرولیکی این سرریزها، قابلیت الگوریتم نزدیک ترین همسایه (KNN) را به عنوان یک رویکرد هوشمند بررسی کرد. در این مطالعه، از ۲۴۷ مجموعه داده تجربی بهره گرفته شد که شامل ثبت های متغیرهای هندسی و جریان مانند نسبت بار آبی کل به ارتفاع سرریز و نرخ دبی بود، تا دقت این مدل در تخمین جریان عبورکننده سنجیده شود. ارزیابی با شاخص های آماری همچون مجذور ضریب همبستگی (R²)، ضریب تبیین (DC) و میانگین مربعات خطای ریشه ای (RMSE) صورت پذیرفت. یافته ها حاکی از آن بود که KNN با دستیابی به دقت ۹۹/۵ در ضریب تبیین و همبستگی، خطای پیش بینی را تا ۰/۱ واحد کاهش داد و ثبات جریان را به سطح ۹۹ درصد رساند. این الگوریتم در تخمین های محلی، بهره وری هیدرولیکی را تا ۵/۹۹ درصد افزایش داد و با کاهش نسبی ۴۴/۳ درصد در خطاهای کلی، ضرورت تقویت قابلیت تعمیم آن را برجسته کرد. بررسی حساسیت نیز بر تاثیر محوری نسبت بار آبی کل به ارتفاع سرریز تاکید داشت، به طوری که حذف آن منجر به کاهش ۳۱ درصدی در دقت همبستگی گردید. این پژوهش با پیشنهاد یک رویکرد خلاقانه، بهره وری سرریزها را تا ۸/۹۹ درصد بالا برد و با تقلیل ۴۰ درصدی ساییدگی پایین دستی، راهبردهای مقاوم برای برنامه ریزی مطمئن و بهینه در حوزه منابع آبی پیشنهاد نمود.

Keywords:

سرریزهای کنگره ای , ضریب دبی , شبکه های عصبی مصنوعی