نوع مقاله : مقاله پژوهشی

نویسندگان

• کیومرث روشنگر ¹
• رضا سعادت‌جو ²
• حمیدرضا عباس زاده ³
• آیدین پناهی ³

¹ گروه آب، دانشکده عمران، دانشگاه تبریز، تبریز، ایران

² دانشجوی کارشناسی ارشد، گروه مهندسی عمران، دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران

³ گروه مهندسی عمران، دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران

چکیده

سرعت زیاد جریان و کاهش فشار جریان در سرریزها باعث ایجاد خسارت به سرریز می‌شود. در پژوهش حاضر، کاربرد روش‌های رگرسیونی فرآیند گاوسی (GPR) و ماشین بردار پشتیبان (SVM) در برآورد غلظت هوا در سرریز پلکانی مورد بررسی قرار گرفت. بدین منظور مجموعه وسیعی از داده‌های آزمایشگاهی به‌دست آمده از مدل‌های هیدرولیکی سرریز پلکانی در فرآیند مدل‌سازی به کار گرفته شد. مدل‌های ورودی بر اساس ترکیب مختلفی از متغیرهای اندازه‌گیری شده تعریف شد. در برآورد میزان غلظت هوا در سرریز پلکانی برای حالت هوادهی طبیعی، متغیرهای دبی جریان (qW)، نسبت عمق جریان (عمود بر پله سرریز) بر عرض کانال (Z/W) نسبت فاصله طولی از ابتدای پله بر طول پله (x/L) و نسبت فاصله از خط میانی پله سرریز بر عرض پله (Y=2y/w) تأثیر داشتند. نتایج به‌دست آمده نشان دهنده توانایی بالای هر دو روش در برآورد غلظت هوای مورد نیاز بر روی سرریز است. در روش SVM بررسی نتایج نشان داد که کرنل تابع پایه شعاعی (RBF) نتایج مطلوبی در مقایسه با کرنل‌های چند جمله‌ای (Polynomial)، خطی (Linear) و سیگموئید (Sigmoid) دارد. نتایج شاخص‌های آماری R2، DC و RMSE در روش GPR به‌ترتیب 79/0، 79/0 و 12/0 و در روش SVM 86/0، 86/0 و 098/0 است.

کلیدواژه‌ها

• آنالیز حساسیت
• سرریز پلکانی
• رگرسیون فرآیند گاوسی
• ماشین بردار پشتیبان

موضوعات

• هیدرولیک و مهندسی رودخانه

عنوان مقاله [English]

Prediction of Air Concentration in Stepped Spillways Using Data-Oriented Methods

نویسندگان [English]

• Kiyoumars Roushangar ¹
• Reza Saadatjoo ²
• Hamidreza Abbaszadeh ³
• Aydin Panahi ³

¹ Department of water engineering ,faculty of Civil Engineering, University of Tabriz, Tabriz, Iran

² M.Sc. Student, Department of Civil Engineering, Faculty of Civil Engineering, University of Tabriz, Tabriz, Iran

³ Department of Civil Engineering, Faculty of Civil Engineering, University of Tabriz, Tabriz, Iran

چکیده [English]

The high flow velocity and the pressure reduction in the spillways cause damage to the spillways. In the present research, the application of Gaussian Process Regression (GPR) and Support Vector Machine (SVM) was investigated for predicting air concentration in stepped spillways. For this purpose, a comprehensive set of experimental data obtained from hydraulic models of stepped spillways in the modeling process was utilized. Input models were defined based on various combinations of measured parameters. In predicting the air concentration in the stepped spillway under natural aeration conditions, parameters od discharge (qw), the ratio of flow depth (normal to spillway step) to channel width (Z/W), the ratio of longitudinal distance from the beginning of the step to the length of the step (x/L), and the ratio of distance from the midpoint line of the spillway step to the step width (Y=2y/w) had a significant impact. The results obtained demonstrate the high capability of both methods in estimating the required air concentration on spillways. The results revealed that the Radial Basis Function (RBF) kernel performs favorable results. The R2, DC and RMSE for the GPR were 0.79, 0.79, and 0.12, respectively, and in the SVM were 0.86, 0.86, and 0.098, respectively.

کلیدواژه‌ها [English]

• Gaussian Process Regression
• Sensitivity analysis
• Stepped spillway
• Support Vector Machine