مدل‌سازي دبي رودخانه‌هاي سيلابي با استفاده از برنامه‌ريزي ژنتيك

Flow discharge modeling in flooded rivers by using genetic programming

تعيين دبي سيل در رودخانه‌ها يكي از اجزا اصلي طراحي پروژه‌هاي مهندسي رودخانه است. با ورود جريان سيل در دشت‌هاي سيلابي و تغيير ناگهاني هندسه رودخانه، روابط ساده مقاومت جريان قابل استفاده نيستند. به همين دليل روش‌هاي زيادي براي اصلاح محاسبه‌ها دبي جريان ارايه شده‌اند. بيش‌تر اين روش‌ها در شرايط آزمايشگاهي داراي نتايج خوبي بوده، اما تعميم آن‌ها براي همه شرايط هندسي و هيدروليكي رودخانه‌ها دشوار است. در دهه اخير روش‌هاي هوش مصنوعي به‌خاطر قابليت شبيه‌سازي فرايندهاي پيچيده، كاربرد زيادي در زمينه‌هاي مختلف مهندسي آب يافته‌اند. برنامه‌ريزي ژنتيك كه جزو الگوريتم‌هاي تكاملي محسوب مي‌شود، قادر به بهينه‌سازي ساختار مدل و مولفه‌هاي آن بوده و رابطه صريحي براساس متغيرها و پارامترهاي فرايند ارايه مي‌نمايد. در اين پژوهش، با استفاده از حدود 394 داده دبي- اشل از 30 مقطع مركب آزمايشگاهي و صحرايي و به كمك برنامه‌ريزي ژنتيك، رابطه‌اي بدون بعد براساس پارامترهاي هندسي و هيدروليكي رودخانه براي محاسبه دبي جريان سيل ارايه شده است. مدل‌سازي در دو مرحله واسنجي و صحت‌سنجي انجام شده است كه در هر دو مرحله، نتايج محاسباتي دبي سيلاب در مقايسه با دبي مشاهداتي مطابقت خوبي را نشان مي‌دهد. ضريب تعيين براي مراحل واسنجي و صحت‌سنجي به‌ترتيب حدود 99/0 و 96/0 به‌دست آمده است.

Flow discharge determination in rivers is one the key elements in design of river engineering projects. By flow entering into the floodplains and sudden changes in river geometry, the common resistance equations are not applicable. Therefore, many approaches have been developed for modification of flow discharge computations. Most of these methods have satisfactory results in laboratory flumes but extending those to all hydraulic and geometric conditions such as natural rivers are very limited. In recent decades, due to ability of complex phenamena modeling, the artificial intelligent methods have very wide applications in many fields of water engineering. Genetic Programming, a branch of evolotionary algorithms, is able to optimize the model structure and its components and to derive an explicit equation based on the variables of the phenamena. In this study, using 394 laboratory and field stage-discharge data sets of 30 compound channels, a new equation has been derived for calculation of flood discharge, based on geometric and hydraulics parameters, using Genetic Programming. The modeling is conducted in training and testing phases that at these two phases, the agreement between computed and measured flow discharge was very good. The determination coefficient for the training and testing phases was 0.99 and 0.96, respectively.