عباس عباسی؛ کیوان خلیلی؛ جواد بهمنش؛ اکبر شیرزاد
چکیده
تخمین صحیح و دقیق جریان رودخانه می‌تواند نقش مهمی در کاهش اثرات ناشی از خسارات سیلاب ایفا کند. در این تحقیق، از مدل برنامه‌ریزی بیان‌ژن (GEP) و شبکه بیزین (BN) برای پیش‌بینی جریان روزانه رودخانه مهاباد واقع در حوزه آبخیز دریاچه ارومیه استفاده شد. بر این اساس، از چهار الگوی ورودی با تأخیرهای یک تا چهار روزه برای پیش‌بینی مقادیر ...
بیشتر
تخمین صحیح و دقیق جریان رودخانه می‌تواند نقش مهمی در کاهش اثرات ناشی از خسارات سیلاب ایفا کند. در این تحقیق، از مدل برنامه‌ریزی بیان‌ژن (GEP) و شبکه بیزین (BN) برای پیش‌بینی جریان روزانه رودخانه مهاباد واقع در حوزه آبخیز دریاچه ارومیه استفاده شد. بر این اساس، از چهار الگوی ورودی با تأخیرهای یک تا چهار روزه برای پیش‌بینی مقادیر جریان روزانه در زمان t+1 در یک دوره 23 ساله استفاده و از 75 درصد دادهها بهمنظور آموزش مدل‌ها و از 25 درصد باقیمانده برای مرحله آزمون استفاده شد. نتایج نشان داد که الگوی برتر در هر دو روش، مدل با مقادیر ورودی تا سه گام زمانی تأخیر می‌باشد. همچنین، بر اساس سه شاخص ارزیابی ضریب همبستگی (R)، مجذور میانگین مربعات خطا (RMSE) و ضریب نش-ساتکلیف (E) در مرحله آزمون، روش برنامه‌ریزی بیان ژن با آمارههای ارزیابی 2.71=R=0.902 ،RMSE و 0.812=E نسبت به روش شبکه بیزین با آمارههای ارزیابی 2.679=R=0.905 ،RMSE و 0.817=E دارای دقت بالاتری می‌باشد. در حالت کلی، هر دو روش دارای دقت قابل قبول و نسبتاً یکسان هستند، ولی به‌دلیل مدلسازی آسانتر روش شبکه بیزین این مدل می‌تواند بهعنوان یک روش کارآمد در پیش‌بینی جریان رودخانهها مورد استفاده قرار گیرد.
مجتبی صانعی؛ علی فرودی خور
چکیده
سرریزها یکی از سازه‌های متداول برای تخلیه و اندازه‌گیری جریان هستند، به همین منظور این نوع سازه‌های هیدرولیکی بسته به هدف مورد استفاده، دارای اشکال مختلفی هستند. ضرایب طراحی سرریزها که در مراجع استاندارد طراحی در دسترس است، مربوط به سرریزهایی است که امتداد آن‌ها عمود بر جهت جریان است. در برخی از موارد به‌دلیل محدودیت‌های ...
بیشتر
سرریزها یکی از سازه‌های متداول برای تخلیه و اندازه‌گیری جریان هستند، به همین منظور این نوع سازه‌های هیدرولیکی بسته به هدف مورد استفاده، دارای اشکال مختلفی هستند. ضرایب طراحی سرریزها که در مراجع استاندارد طراحی در دسترس است، مربوط به سرریزهایی است که امتداد آن‌ها عمود بر جهت جریان است. در برخی از موارد به‌دلیل محدودیت‌های اجرایی و طراحی، استفاده از سرریزهای کنگره‌ای، سرریزهای جانبی و همچنین، طراحی سرریزهای قوس محور اجتناب‌ناپذیر است. تا کنون در زمینه تخمین ضریب دبی این سرریزها و نیز استخراج رابطه دبی-اشل آن‌ها تحقیقات بسیار کمی انجام شده است. در این تحقیق، به کمک روش نوین بهینه‌سازی برنامه‌ریزی بیان ژن و همچنین، روش شبکه هوش مصنوعی روابطی بدون بعد بر اساس پارامترهای زاویه قوس سرریز و نسبت بار آبی بالادست سرریز به ارتفاع آن برای برآورد ضریب دبی این سازه‌ها ارائه شده است. برای واسنجی و صحت‌سنجی (آزمون) رابطه پیشنهادی، دادههای آزمایشگاهی Kumar و همکاران استفاده شده است. مقایسه نتایج محاسباتی این رابطه با مقادیر آزمایشگاهی ضریب دبی سرریزهای قوسی نشان داد که روابط پیشنهادی از دقت بسیار مناسبی برخوردار است. با توجه به معیارهای عملکرد، دو مدل برای GEP و یک روش برای ANN انتخاب شدند که در همه این مدل‌ها الگوی ورودی یکسان می‌باشد. در روش منحنی برنامه‌ریزی ژنتیک الگوی ورودی با عملگرهای 2F و 4F با داشتن بیشترین ضرایب تعیین برای دادههای آزمون به‌ترتیب 0.924=DC و 0.956=DC بهترین عملگرها در این روش انتخاب شدند. همچنین، در روش ANN نیز با متغیر قرار دادن تعداد نورون‌ها در لایه‌های مخفی در بازه 10-2، مدل حاضر با تعداد 10 نورون دارای بیشترین 0.962=DC نسبت به الگوهای دیگر می‌باشد.
