تخمين مشخصات هيدروليكي كانال‌هاي واگراي مستهلك كننده انرژي با استفاده از روش ماشين بردار پشتيبان

پرش هيدروليكي متداول‌ترين روش جهت استهلاك انرژي جنبشي آب در پايين‌دست سرريزها، شوت‌ها و دريچه‌ها مي‌باشد. در تحقيق كنوني مشخصات هيدروليكي ازجمله نسبت اعماق متناوب، پرش هيدروليكي واستهلاك انرژي در سه نوع كانال واگراي ناگهاني به‌صورت بدون مانع، داراي پله معكوس و بلوك مركزي با استفاده از روش ماشين بردار پشتيبان SVM كه به‌عنوان يك روش يادگيري ماشين مي‌باشد تخمين زده شده و نرخ تأثير پارامترهاي ورودي در هر پرش مورد ارزيابي قرار گرفته است. بدين‌منظور مدل‌هاي مختلفي با استفاده از پارامترهاي هيدروليكي- هندسي تعريف شده و در كل تعداد 936 داده مشاهداتي براي آموزش و آزمون مدل‌هاي سه نوع مختلف كانال واگرا استفاده گرديد. همچنين عملكرد تعدادي از روابط نيمه‌تجربي موجود نيز مورد بررسي قرار گرفته و نتايج حاصل با مدل‌هاي برتر SVM مقايسه گرديد. نتايج حاصله ضمن تاييد قابليت روش ماشين بردار پشتيبان در تخمين مشخصات پرش هيدروليكي، كارايي اين‌روش را نسبت به روابط نيمه‌تجربي به اثبات رساند. از نتايج به‌دست آمده مشخص گرديد، مدلي كه بيشترين دقت را در تخمين نسبت اعماق متناوب و استهلاك انرژي داراست مدل با پارامترهاي (Fr1,h1/B) و در تخمين طول پرش مدل با پارامترهاي (Fr1, h2/h1) مي‌باشد.

Hydraulic jump is the most common method of dissipating water’s kinetic energy in downstream of spillways, shoots and valve. In this paper, Support Vector Machine (SVM) method, as a machine learning method, have been used to estimate hydraulic characteristics such as the sequent depth ratio, jump length and energy loss in three different sudden expansions stilling basins, and the rate of influence of input parameters in each jump has been analyzed. In order to evaluate the performance of proposed method, 936 sets of the observed data have been used for training and testing process of three kinds of expanding channel models. Furthermore, a comparison between semi-theoretical approaches and the data obtained from the best SVM models have been carried out. The results confirmed the efficiency of SVM method for estimating the hydraulic jump characteristics and proved that this method performed well in comparison to the semi-theoretical relationships. The obtained results revealed that the superior model for the sequent depth ratio and relative energy dissipation was the model with (Fr1,h1/B) parameters and the superior model for the length of hydraulic jump prediction was the model with (Fr1, h2/h1) parameters.