یوسف عالی نژاد - دانشجوی کارشناسی ارشد عمران سازه های هیدرولیکی دانشگاه آزاد اسلامی واحد اهر
محمدتقی ستاری - استادیار دانشگاه تبریز
فرزین سلماسی - دانشیار دانشگاه تبریز

سرریز کرامپ با طراحی خاص خود جهت اندازهگیری دبی عبوری کانالها و طراحی سازه های کنترل کننده جریان مورد استفاده قرار می گیرد. شیب بالادست آن کمتر از شیب پایین دست بوده که این خود باعثتسهیل در عبور ذرات و رسوبات و عدم تجمع در پشت سرریز می شود. در این مقاله از نتایج مجموعه ای از آزمایشات انجام گرفته بر روی سرریز کرامپ به منظور بررسی اثر شیب بالادست و پایین دست سرریزکرامپ بر روی مقادیر ضریب دبی، استفاده شده است. در این تحقیق کارایی شبکه عصبی مصنوعی و برنامه ریزی بیان ژن به منظور برآورد ضریب دبی سرریز کرامپ مورد ارزیابی قرار گرفت. در هر دو روشترکیب مختلفی از پارامترهای ورودی مناسب به علاوه تعداد مناسب داده برای آموزش شبکه تعیین گردید. حدود 57 % داده های آزمایشگاهی موجود برای آموزش و 27 % دیگر جهت بررسی قدرت برآورد و اعتبارسنجی استفاده گردید. نتایج حاصل از این مطالعه نشان داد که هم شبکه عصبی مصنوعی FFNN و هم برنامه ریزی بیان ژن با پارامترهای ورودی h1/p ، h1 ، y1 و Q در شرایط مختلف و با 11 ترکیب مختلف ازپارامترهای ورودی، نتایج متفاوتی از خود نشان می دهند ولی در کل به میزان قابل قبولی قادر به تخمین ضریب دبی سرریز کرامپ هستند. در بهترین سناریو مدل شبکه عصبی مصنوعی مقدار r2برابر 0/9214 وRMSE برابر 0/0128 همچنین دربهترین سناریو مدل برنامه ریزی بیان ژن مقدارR2 برابر 0/9210 وRMSE برابر 0/0092 محاسبه گردید

ضریب دبی، سرریز کرامپ، شبکههای عصبی مصنوعی، برنامه ریزی بیان ژن