تعيين پارامترهاي موثر و تركيب بهينه ي آن ها به منظور مدل سازي دبي رودخانه هاي سيلابي

Determination of Influence Parameters and its Optimal Combination in Order to Model Flood Rivers Discharge

محاسبه ي دبي رودخانه ها در مقاطع مركب، به علت تغييرات آني و قابل توجه شرايط هندسي و هيدروليكي مقطع اصلي و دشت هاي سيلابي بسيار پيچيده است. به همين دليل پارامترهاي متعددي در برآورد آن نقش دارند. تعيين پارامترهاي مهم و انتخاب تركيب بهينه از ميان تركيب هاي مختلف، يكي از مهم ترين مراحل ساخت و طراحي هرگونه مدل سازي رياضي و هوشمند است. در اين تحقيق با محاسبه 10 پارامتر بدون بعد هندسي و هيدروليكي از 30 مقطع مركب آزمايشگاهي و صحرايي (جمع آوري شده)، دبي جريان به كمك شبكه ي عصبي مصنوعي مبتني بر روش پيش پردازش گاما تست محاسبه شده است. بر اساس نتايج اين روش پارامترهاي عمق نسبي، كوهيرنس مقطع، شيب عرضي بستر دشت هاي سيلابي و عرض نسبي دشت سيلابي موثرترين پارامترها شناخته شدند. هم چنين از ميان 1023 تركيب حاصل از 10 پارامتر ورودي، تركيب اين چهار پارامتر به عنوان مدل بهينه تعيين گرديد. بررسي كفايت داده ها با استفاده از M تست براي مدل بهينه نشان داد كه تعداد داده هاي لازم براي ايجاد يك مدل هموار برابر 300 مجموعه مي باشد. دبي جريان در مقاطع مركب با استفاده از مدل بهينه (مدل 4 پارامتري) و هم چنين مدل هاي بهينه ي 1، 2 و 3 پارامتري مدل سازي شد. سپس با نتايج مدل هاي حاصل از تمامي 10 پارامتر ورودي و هم چنين روش تجزيه ي قايم مقطع مركب Divided Channel Method (DCM) براساس آماره هاي مختلف آماري مقايسه گرديدند. نتايج نشان داد كه مدل بهينه با IPE برابر با 123/0 از بالاترين دقت و روش DCM با IPE برابر با 867/0 از كم ترين دقت برخوردارند.

Flood rivers discharge in compound channels is extremely complicated because of rapidly changes in geometric and hydraulic conditions of main channel and flood plains. Different parameters play important roles in determination of discharge in compound channel. Determination of influence parameters and selection of optimal combination between different combinations is one of the major stages in design of intelligence and mathematical modeling. In this study, flow discharge were calculated by using artificial neural network based on gamma test (GT) preprocessing method from 10 geometric and hydraulic dimensionless parameters of 30 laboratory and river compound channels. Based on result of GT, 4 parameters of relative depth, coherence, berm inclination and relative flood plains width, were recognized as influence variables. Moreover, among 1023 different combinations that established by 10 input parameters, combination of these 4 parameters was selected as optimal combination. Analysis of data adequacy by using M test for best combination showed that among of data needed for establishment of a smooth model is equal to 300 data points. Flood discharge of compound channel was modeled for optimal combination and optimal models of 1, 2, and 3 input parameters. The results of these models were compared with models of all 10 input parameters and divided channel method (DCM) model based on different statistical criteria. The results showed that the optimal model with IPE=0.123 and DCM with IPE=0.867 have the highest and lowest accuracy respectively