کاربرد محاسبات نرم در افزایش دقت پیش‌بینی ضریب دبی جریان سرریزهای جانبی مستطیلی

نویسندگان

1 گروه عمران، واحد رامهرمز، دانشگاه آزاد اسلامی، رامهرمز، ایران

2 استادیار، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه مراغه، مراغه، ایران

چکیده

به دلیل نقش ضریب دبی جریان در ظرفیت گذردهی سرریزها، پیش­بینی دقیق آن از اهمیت ویژه­ای برخوردار است. در این پژوهش از دو الگوریتم GEP و SVM برای شبیه­سازی ضریب دبی در سرریز جانبی مستطیلی نصب شده در کانال اصلی مستطیلی (سناریوی اول) و ذوزنقه­ای (سناریوی دوم) استفاده شده است. ابتدا پارامترهای موثر بر Cd شامل عدد فرود بالادست (Fr1)، عمق آب بالادست (h1 یا yo)، ارتفاع سرریز (P یا W)، طول سرریز جانبی (L)، عرض کانال اصلی (b) و شیب جانبی دیواره کانال اصلی (Z) شناسایی شدند. سپس به کمک تحلیل ابعادی، چهار پارامتر بی­بعد Fr1، ،    و  در سناریوی اول و سه پارامتر بی­بعد 1Fr، Z و  در سناریوی دوم استخراج شدند. نتیجه­های دو الگوریتم با نتیجه­های معادله­های تجربی و رگرسیونی به کمک شاخص­های مجذور میانگین مربعات خطا (RMSE)، ضریب تبیین (2R)، خطای نسبی (RE) و نسبت تفاوت توسعه داده شده استاندارد شده (ZDDR) مقایسه شدند. مقدار (RMSE، 2R، RE، ZDDR) در فاز آزمون برای سناریوی اول در الگوریتم­های GEP و SVM به ترتیب (036/0، 962/0، 76/7، 48/5) و (037/0، 952/0، 6/9، 8/3) و برای معادله­ی رگرسیونی کلاسیک برتر (040/0، 912/0، 527/4، 439/2)  محاسبه شدند. در سناریوی دوم نیز مقدارهای متناظر برای الگوریتم­های GEP و SVM به ترتیب (0676/0، 992/0، 1/3، 14/1) و (043/0، 934/0، 3/10، 71/0) و برای معادله­ی رگرسیونی (068/0، 818/0، 9/11، 511/0) محاسبه شدند. نتیجه­ی پژوهش نشان دهنده­ی برتری الگوریتم­های هوشمند نسبت به روش­های کلاسیک و همچنین برتری الگوریتم GEP نسبت به SVM بود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Soft Computing Application to Amplify Discharge Coefficient Prediction in Side Rectangular Weirs

نویسندگان [English]

  • mehdi fuladipanah 1
  • Mahdi Majedi-Asl 2
1 Department of Civil Engineering, Ramhormoz Branch, Islamic Azad University, Ramhormoz,, Iran,
2 Assistant Professor, Department of Civil Engineering, Faculty of Engineering, University of Maragheh, Maragheh, Iran.
چکیده [English]

It’s valuable to predict accurately the discharge coefficient due to its direct role in the determination of the weirs passing capacity. This study was carried out using intelligent GEP and SVM algorithms based on laboratory datasets to simulate the discharge coefficient of the rectangular side weir installed in a rectangular (the first scenario) and a trapezoidal main channel (the second scenario). The most effective parameters were determined as upstream Froud number (Fr1), upstream flow depth (h1 or yo), weir height (P or W), side weir length (L), main canal width (b), sidewall slope (Z). Dimensionless parameters were extracted as (Fr1, , , ) and (Fr1, Z, ) for the first and the second scenarios, respectively. The outputs of the two algorithms were compared with experimental and regression equations using statistical indices as root mean square error (RMSE), deterministic coefficient (R2), relative error (RE), and standardized developed discrepancy ratio (ZDDR). The values of (RMSE, R2, RE, ZDDR) during the test phase for the first scenario for GEP and SVM were calculated as (0.036, 0.962, 7.76, 5.48) and (0.037, 0.952, 9.6, 3.8) and those of the superior regression model were (0.040, 0.912, 4.527, 2.439), respectively. The corresponding values in the second scenario for GEP, SVM and regression model were obtained (0.068, 0.992, 3.1, 1.14), (0.043, 0.934, 10.3, 0.71) and (0.068, 0.818, 11.9, 0.511), respectively. The results showed the superiority of intelligent algorithm over classical regression, and also the GEP to the SVM.  

کلیدواژه‌ها [English]

  • Gene expression programming
  • Support Vector Machine
  • statistical indices
  • Discharge coefficient
روشنگر، ک.، ع. فرودی­خور و م. صانعی. 1396. مدلسازی ضریب دبی سرریزهای اوجی قوس­محور با تقرب دیواره­های جانبی در شرایط جریان آزاد با استفاده از روش­های یادگیری ماشینی. تحقیقات مهندسی سازه­های آبیاری و زهکشی، جلد 78، شماره 69، ص 122-107.
صانعی، م. و ع. فرودی­خور. 1398. افزایش دقت پیش­بینی ضریب دبی در سرریزهای لبه­تیز قوس­محور با استفاده از الگوریتم­های تکاملی و شبکه هوش مصنوعی. نشریه مهندسی و مدیریت آبخیز، جلد 11، شماره 4، ص 902-891.
عباسی، ع.، ک. خلیلی، ج. بهمنش و ا. شیرزاد. 1398. پیش­بینی خشکسالی با استفاده از مدل ترکیبی GEP-GARCH (مطالعه موردی: ایستگاه سینوپتیک سلماس). نشریه تحقیقات آب و خاک ایران، دوره 50، شماره 6، ص 1329-1317.  
فولادی­پناه، م.، م. ماجدی­اصل و آ. حق­گویی. 1399. کاربرد الگوریتم­های هوشمند برای مدلسازی رابطه دبی-اشل در شرایط استغراق سرریزهای کنگره­ای و خطی. نشریه هیدرولیک، شماره 15، جلد 2، ص 164-149.
مهری، ی.، س. اسماعیلی، ج. سلطانی، م. صانعی و م. رستمی. 1397. ارزیابی مدلSVM  و رگرسیون غیرخطی در محاسبه ضریب بده سرریزهای جانبی کلید پیانویی برای بهره­گیری در شبکه­های آبیاری و زهکشی. نشریه آبیاری و زهکشی ایران، شماره 4، جلد 12، ص 1003-994.
 Azamathulla, H. M., A. H. Haghiabi, and A. Parsaie. 2016. Prediction of Side Weir Discharge coefficient by Support Vector Machine Technique. Water Supply, 16: 1002–1016.
Azimi, H., H. Bonakdari and I. Ebtehaj. 2017. Sensitivity Analysis of the Factors Affecting the Discharge Capacity of Side Weirs in Trapezoidal Channels Using Extreme Learning Machines. Flow Measurement Instrument, 54: 216-223.
Bilhan, O., M. E. Emiroglu, and O. Kisi. 2010. Application of two different neural network techniques to lateral outflow over rectangular side weirs located on a straight channel. Advances in Engineering Software, 41: 831-837.
Borghei, M., M. R. Jalili, and M. Ghodsian. 1999. Discharge coefficient for sharp-crested side weir in subcritical flow. ASCE Journal of Hydraulic Engineering, 125(10): 1051-1057.
Cheong, H. F. 1991. Discharge coefficient of lateral diversion from trapezoidal channel. ASCE Journal of Irrigation and Drainage Engineering, 117(4): 321-333.
Daneshfaraz, R., M. Bagherzadeh, R. Esmaeeli, R. Norouzi and J. Abraham. 2020. Study of the performance of support vector machine for predicting vertical drop hydraulic parameters in the presence of dual horizontal screens. Water supply, https://doi.org/10.2166/ws.2020.279. 
Emiroglu, M. E. and O. Kisi. 2013. Prediction of Discharge Coefficient for Trapezoidal Labyrinth Side Weir Using a Neuro-Fuzzy Approach. Water Resources Management, 27: 1473-1488.
Emiroglu, M. E., H. Agacciglu and N. Kaya. 2011. Discharging capacity of rectangular side weirs in straight open channels. Flow Measurement and Instrumentation, 22: 319-330.
Ferreira, C. 2001. Algorithm for solving gene expression programming: a new adaptive problems. Complex Systems, 13(2): 87-129.
Hager, W.H. 1987. Lateral outflow over side weirs. ASCE Journal of Hydraulic Engineering 113(4): 491-504.
Jalili, M.R. and S. M. Borghei. 1996. Discussion of ‘Discharge coefficient of rectangular side weir, by ‘R. Singh, D. Manivannan and T. Satyanarayana’. ASCE Journal of Irrigation and Drainage Engineering, 122(2): 132.
Keshavarzi, A.R. and J. Ball 2014. Discharge coefficient of sharp-crested side weir in trapezoidal channel with different side-wall slopes under subcritical flow conditions. Irrig. and Drain. 63: 512-522.
Nandesamoorthy, T. and A. Thomson. 1972. Discussion of spatially varied flow over side weir. ASCE Journal of the Hydraulics Division, 98(12): 2234–2235.
Noori, R., A. Khakpour, B. Omidvar and A. Farokhnia. 2010. Comparison of ANN and principal component analysis-multivariate linear regression models for predicting the river flow based on developed discrepancy ratio statistic. Expert Systems with Applications, 37: 5856-5862.
Norouzi, R., R.  Daneshfaraz and A. Ghaderi. 2019. Investigation of discharge coefficient of trapezoidal labyrinth weirs using artificial neural networks and support vector machines. Applied Water Science 9(148): 1-10.
Norouzi, R., R. Daneshfaraz and A. Ghaderi. 2019. Investigation of discharge coefficient of trapezoidal labyrinth weirs using artificial neural networks and support vector machines. Applied Water Science, 9: 148-158.
Ranga Raju, K.G., B. Prasad and S. K. Grupta. 1979. Side weir in rectangular channel. ASCE Journal of the Hydraulics Division, 105(5): 547-554.
Roushangar, K., R. Khoshkanar, and J. Shiri. 2016. Predicting Trapezoidal and Rectangular Side Weirs Discharge Coefficient Using Machine Learning Methods. ISH Journal of Hydraulic Engineering, 22: 1-8.
Sadeghfam, S., R.  Daneshfaraz,  R. Khatibi and  O. Minaei.  2019. Experimental studies on scour of supercritical flow jets in upstream of screens and modelling scouring dimensions using artificial intelligence to combine multiple models (AIMM). Journal of Hydroinformatics 21(5): 893-907.ir
Singh, R., D. Manivannan and T. Satyanarayana. 1994. Discharge coefficient of rectangular side weirs. ASCE, Journal of Irrigation and Drainage Engineering, 120(4): 814–819.
Subramanya, K. and S. C. Awasthy. 1972. Spatially varied flow over side weirs. ASCE Journal of Hydraulic Division, 98(HY1): 1-10.
Swamee, P.K., K. P. Santosh and S. A. Masoud. 1994. Side weir analysis using elementary discharge coefficient. ASCE Journal of Irrigation and Drainage Engineering, 120(4): 742-755.
Yu-Tech L. 1972. Discussion of spatially varied flow over side weir. ASCE Journal of the Hydraulics Division, 98(11): 2046-2048