«يادداشت تحقيقاتي» ارزيابي درختان رگرسيوني و رگرسيون تطبيقي چند‌متغيره اسپلاين در تخمين حداكثر عمق آب‌شستگي در پايين‌دست سرريز جامي‌شكل

»Research Note« Assessment of Regression Trees and Multivariate Adaptive Regression Splines for Prediction of Scour Depth Below the Ski-Jump Bucket Spillway

سرريزها در ساختمان يك سد به‌منظور تخليه آب مازاد بر ظرفيت مخزن سد ساخته مي‌شوند. در سرريزهاي جامي‌شكل، جت آب به صورت مايل به بستر فرسايش‌پذير پايين‌دست برخورد مي‌كند كه سبب ايجاد گودال آب‌شستگي مي‌شود. توسعه اين گودال آب‌شستگي ممكن است پايداري سد را به خطر بياندازد، از اين‌رو تخمين دقيق و صحيح عمق آب‌شستگي يكي از مسايل مهم علم هيدروليك است. در سال‌هاي اخير ابزارهاي محاسباتي نرم به‌منظور مدل‌سازي پديده‌هاي پيچيده و غير‌خطي كاربرد فراواني داشته‌اند. لذا در اين مطالعه با استفاده از الگوريتم‌هاي داده‌كاوي همچون درختان طبقه‌بندي و رگرسيوني و رگرسيون تطبيقي چند‌متغيره اسپلاين، براي تخمين حداكثر عمق آب‌شستگي در پايين‌دست سرريز جامي‌شكل استفاده شده است. براي اين منظور با استفاده از 95 داده آزمايشگاهي و پارامترهاي بي‌بعد، اين مدل‌ها توسعه يافته‌اند. نتايج به دست آمده نشان داد كه نسبت بي‌بعد q/?(gH^3 ) مهمترين پارامتر در تخمين عمق آب‌شستگي مي‌باشد. علاوه بر اين شاخص‌هاي آماري و نمودارهاي پراكندگي نشان داد كه مدل رگرسيون تطبيقي چند متغيره اسپلاين با داشتن بالاترين ضريب همبستگي CC = 0.966 و كمترين پارامترهاي خطا RMSE= 0.073 و MAE = 0.057 دقت بالاتري نسبت به درختان رگرسيوني در تخمين عمق آب‌شستگي در پايين‌دست سرريز جامي‌شكل دارد.

Spillways are constructed in dams in order to discharge the excess water in the reservoir. In the ski-jump bucket spillways, water jet impacts diagonally to downstream erodible bed and causes scour hole downstream of the dam. The scour hole development may threaten the stability of the dam. Hence, an accurate and correct estimation of scour depth is one of the most important issues in hydraulic engineering. In recent years, soft computing tools have been widely used to model complex and nonlinear phenomena. Therefore, in this study, using data mining algorithms such as classification and regression trees and multivariate adaptive regression splines have been used for estimation of maximum scour depth at the downstream of the ski-jump bucket spillway. For this purpose, these models were developed using 95 experimental data and dimensionless parameters. The results showed q/?(gH^3 ) as the most important parameter in prediction of scour depth. In addition, statistical indicators and scatter diagrams showed that multivariate adaptive regression splines have the highest value of correlation coefficient CC=0.966 and minimum error measures RMSE=0.075 and MAE=0.057 and were more accurate than regression trees in prediction of scour depth below a ski-jump bucket spillway.