تخمين ضريب دبي سرريزهاي كنگره‌اي با استفاده از ماشين آموزش نيرومند خود تطبيقي

در اين مطالعه، براي اولين بار ضريب دبي سرريزهاي كنگره‌اي با استفاده از مدل هوش مصنوعي ماشين آموزش نيرومند خود تطبيقي (SAELM) شبيه‌سازي شد. براي ارزيابي دقت مدل هوش مصنوعي از شبيه‌سازي‌هاي مونت كارلو استفاده شد. علاوه بر اين براي صحت سنجي نتايج مدل‌هاي عددي از روش صحت‌سنجي ضربدري استفاده گرديد. مقدار k در اين مطالعه مساوي با 5 در نظر گرفته شد. در ابتدا بهينه ترين نرون لايه مخفي بدست آمد. تعداد نرون‌هاي لايه مخفي بهينه مساوي با 30 بدست آمد. همچنين تجزيه و تحليل نتايج توابع فعال‌سازي مختلف نشان داد كه تابع فعال‌سازي زيگمويد داراي دقت بيشتري در مقايسه با ساير توابع فعال‌سازي است. با انجام تحليل حساسيت، مدل برتر معرفي شد. مدل برتر مقادير ضريب دبي را بر حسب كليه پارامترهاي ورودي تخمين زد. اين مدل مقادير ضريب دبي سرريزهاي كنگره‌اي را با دقت بالايي تخمين زد. به عنوان مثال مقادير R^2، شاخص پراكندگي و ضريب Nash براي مدل برتر مساوي با 0/966، 0/034 و 0/964 محاسبه شدند. همچنين نسبت هد كل روي سرريز به ارتفاع تاج سرريز (HT/P) و نسبت طول هندسي راس سرريز به عرض يك سيكل سرريز (A/w) به عنوان موثرترين پارامترها شناسايي شدند. در انتها، براي پارامترهاي ورودي تحليل حساسيت مشتق نسبي اجرا شد.