مقايسه‌ كارايي هيدروليكي سرريز هاي كنگره اي با فرم تاج ربع دايره اي و نيم دايره اي با استفاده از روش هاي فرامدلي QNET, SVM, GEP, ANN))

سرريزهاي غيرخطي ضمن برخوردار بودن از مزيت‌هاي اقتصادي، قابليت عبوردهي جريان بيشتري را نسبت به سرريزهاي خطي دارند. الگوريتم‌هاي هوشمند به دليل توانايي زياد در كشف رابطه‌هاي دقيق پيچيده‌ي مخفي بين پارامترهاي مستقل موثر و پارامتر وابسته و همچنين صرفه‌جويي مالي و زماني، جايگاه بسيار ارزشمندي بين پژوهشگران پيدا كرده‌اند. در اين پژوهش عملكرد الگوريتم‌هاي پشتيبان بردار ماشين(SVM) ، برنامه‌ريزي بيان ژن(GEP) ، نرم‌افزار (QNET) و شبكه هوش مصنوعي (ANN) در پيش‌بيني ضريب دبي سرريزهاي غيرخطي تعداد 318 سري داده براي سناريو اول و سناريو دوم شامل تعداد 363 سري داده و سناريو سوم شامل ادغام داده‌ها (مجموع سناريو‌ي اول و دوم) كه شامل 681 سري داده مي‌باشند. تفاوت سناريو اول و دوم در فرم تاج سرريز ربع‌دايره‌اي و نيم‌دايره‌اي مي باشد. پارامترهاي هندسي و هيدروليكي مورد استفاده در اين پژوهش شامل نسبت بار آبي كل(HT/p) ، بزرگ نمايي (LC/W)، زاويه ديواره سيكل(α) و ضريب دبي (Cd) مي‌باشند. نتايج هوش مصنوعي نشان داد كه تر كيب پارامترهاي(Cd, HT/p, α, LC/W) در الگوريتم‌هايQNET ، ANN،GEP و SVM در مرحله‌ي آموزش مربوط به سناريو برتر با شاخصه‌هاي ارزيابي به‌ترتيب برابراست با (R^2=0.9960), (RMSE=0.0080), (DC=0.9961), (R^2=0.9980), (RMSE=0.0057), (DC=0.9980), (R^2=0.9837), (RMSE=0.0207), (DC=0.9838), (R^2=0.9902), (RMSE=0.0186), (DC=0.9830) مي‌باشد. كه در مقايسه با ديگر تركيب‌ها منجر به بهينه‌ترين خروجي شده است كه نشان دهنده دقت بسيار مطلوب به‌ترتيب در هر چهار روش عبارت است از ANN، QNET، SVM و GEP در پيش‌بيني ضريب دبي سرريز غيرخطي است. نتايج آناليز حساسيت نشان داد كه پارامتر موثر در تعيين ضريب دبي سرريز غيرخطي در تمامي روش‌ها پارامتر نسبت بار آبي كل (HT/p) مي‌باشد. مقايسه نتايج اين تحقيق با ساير محققين نشان مي‌دهد كه شاخصه‌هاي ارزيابي براي تمامي روش‌هاي تحقيق حاضر نسبت به ساير محققين نسبتا بهتر مي‌باشد.