بررسي عملكرد روش هاي كلاسيك و هوش مصنوعي در تخمين ضريب زبري در پيچان رودها

Investigation of the Performance of Classical and Artificial Intelligence Approaches in Prediction of Roughness Coefficient in Meanders

برآورد دقيق ضريب زبري رودخانه­ ها همواره از مسايل مهم و اساسي در مدل‌سازي هيدروليك رودها مي­باشد. در تحقيق كنوني از روش­ هاي هوشمند ماشين ­بردار پشتيبان (SVM) و سيستم استنتاج تطبيقي عصبي- فازي (ANFIS) جهت تخمين زبري هيدروليكي پيچان­ رودها استفاده گرديد و تأثير پارامترهاي مختلفي از قبيل شيب كانال، ميزان سينوسي بودن كانال و هم­چنين پارامترهاي هيدروليكي مانند عدد رينولدز جريان در تعيين زبري اين نوع كانال­ها مورد بررسي قرار گرفت. از طرف ديگر، نتايج حاصل با روش­هاي كلاسيك مقايسه گرديد. جهت مدل­سازي ضريب زبري از دو سري داده آزمايشگاهي مربوط به كانال­هاي سينوسي­ شكل استفاده گرديد. نتايج حاصله نشان­داد كه روش­هاي هوشمند SVM و ANFIS در تخمين ضريب زبري مانينگ در رودخانه­ هاي طبيعي نسبت به فرمول‌هاي نيمه ­تجربي دقيق­تر و قابل‌ اعتمادتر مي­باشند. ملاحظه گرديد كه در تخمين ضريب زبري مانينگ مدل با پارامترهاي وروديα (ضريب شكل)، Sr(ضريب مارپيچي)، S0(شيب كانال) و Re(عدد رينولدز) منجر به جواب­هاي دقيق ­تري مي­گردد. نتايج به‌دست ‌آمده نشان داد كه در تخمين ضريب زبري در پيچان­رودها، تأثير پارامتر ضريب شكل در افزايش دقت مدل­ها از ضريب سينوسي بيش­تر است. هم­چنين نتايج تحليل حساسيت نشان داد كه شيب كانال تأثيرگذارترين پارامتر در تخمين ضريب زبري در پيچان­ رودها است.

Accurate prediction of the river's roughness coefficient is always one of the most important and substantial issues in the hydraulic modeling of open channels. In the current research, the Support Vectore Machine (SVM) and Adaptive Neuro-Fuzzy Inference System (ANFIS) intelligent approaches were used to estimate the hydraulic roughness of meandering rivers, and the impacts of different variables including: channel slope, channel sinuosity and also, hydraulic parameters such as Reynolds number on prediction of the roughness coefficient in these types of channels were investigated. On the other hand, the obtained results were compared with classical methods. In order to model the roughness coefficient, two experimental data series related to the sinusoidal shaped channels were used. The obtained results showed that the SVM and ANFIS intelligent methods are more accurate and reliable in estimating the Manning roughness coefficient in natural rivers than semi-experimental formulas. It was observed that in estimation of the Manning roughness coefficient, the model with input variables of α (shape factor), Sr (sinusoidal coefficient), S0 (channel slope) and Re (Reynolds number) leads to the more accurate results. The results showed that in estimating the roughness coefficient in the meandering rivers, the effect of the shape factor on increasing the accuracy of the models is more than the sinusoidal coefficient. Also, the results of sensitivity analysis indicated that the channel slope is the most effective parameter in estimating the roughness coefficient in the meandering rivers.