بهینه یابی ضریب زبری مانینگ رودخانه ها به روش الگوریتم ژنتیک (مطالعه موردی؛ رودخانه اتاباسکا، کانادا)

تجربه نشان داده است که حساسیت های مدل های پیش بینی کننده مشخصات جریان در مجاورت باز نسبت به ضریب مانینگ زیاده بوده و لذا انتخاب صحیح آن در پروژه های مهندسی رودخانه از اهمیت بسزایی برخوردار است. در تحقیق حاضر به منظور تعیین ضریب زبری مانینگ رودخانه یک مدل بهینه ساز بر مبنای الگوریتم ژنتیک و یک مدل هیدرولیکی برای شرایط جریان ماندگار توسعه داده شد. هر دو مدل مذکور در قالب یک برنامه کامپیوتری به زبان ویژوال بیسیک با یکدیگر جفت شده اند. صحت سنجی و واسنجی مدل بهینه ساز با مقایسه نتایج آن با نتایج چندین مسئله غیر خطی مقید که دارای راه حل های تحلیلی هستند و جواب آنها با دقت مناسب در اختیار می باشد انجام شد. علاوه بر این صحت سنجی و واسنجی مدل هیدرودینامیک با استفاده از مقایسه نتایج آن با نتایج مدل تجاری HEC-RAS انجام شد. پس از صحت سنجی هر دومدل، بهینه یابی ضرایب زیری مانینگ در 26 مقطع عرضی رودخانه اتاباسکا کانادا که مشخصات جریان ونیمرخ اندازه گیری سطح آب آن به ازای دبی 363/6 متر مکعب بر ثانیه موجود است انجام شد. نتایج این تحقیق نشان داد که پس از بهینه یابی حداکثر خطای مطلق حدود 0/176 متر را نشان می دهد. در حالیکه در نظرگرفتن ضریب زبری میانگین 0/035 همانند انچه که تحقیقات قبلی در نظر گرفته اند مقدار حداکثر خطای مطلق 0/73 متر را ارایه می دهد که این مقدار چهار برابر بیشتر از مقدار بدست آمده در تحقیق حاضر است.

Keywords:

ضریب زبری مانینگ , بهینه سازی , الگوریتم ژنتیک , رودخانه آتاباسکا