پيش بيني مشخصات كانال هاي پايدار با استفاده از محاسبات نرم

Prediction of stable channels geometry using soft computing

سابقه و هدف: از موضوعات مهم در مهندسي رودخانه تعيين مشخصات آبراهه پايدار شامل عرض، عمق و شيب است كه بيش از يك قرن مورد توجه بوده است. طراحي پايدار يك آبراهه در كارهاي مختلفي مانند مهندسي رودخانه، كنترل سيل و انتقال آب مورد استفاده قرار مي گيرد. آبراهه هاي پايدار معمولا توسط روابط تجربي كه گاهي دقت بسيار كمي دارند طراحي مي شود. هدف اصلي اين تحقيق ارزيابي دو روش ANFIS و SVM در تخمين مشخصات آبراهه پايدار است. مواد و روش ها: تعداد 325 داده اندازه گيري شده از مشخصات آبراهه هاي طبيعي و تحقيقات آزمايشگاهي براي آموزش، ارزيابي و آزمايش دو روش ANFIS و SVM مورد استفاده قرار گرفت. سيستم نوروفازي كه تركيب شبكه عصبي با منطق فازي مي باشد اولين بار توسط ژانگ 1993 معرفي شد. ماشين بردار پشتيبان در الگوريتم هاي رگرسيون و طبقه بندي استفاده مي گردد. 60% داده ها براي آموزش، 20% براي ارزيابي و 20% باقيمانده براي آزمايش استفاده شد. براي برآورد مشخصات آبراهه از دو ورودي شامل: 1- دبي و 2- دبي و قطر متوسط رسوب استفاده شد. از روابط تجربي افضلي مهر و همكاران، بري و سيمونز و آلبرتسون براي مقايسه با دو روش ANFIS و SVM استفاده گرديد. يافته ها: روش هاي ANFIS و SVM با ورودي (2) نسبت به (1) عرض را به ترتيب حدود 50% و 80% و عمق را به ترتيب 61% و 40% با خطاي كمتري تخمين زدند. دقت پيش بيني ANFIS و SVM در دامنه هاي مختلف عرض و عمق متفاوت است. هر دو روش نتوانستند شيب را پيش بيني كنند. رابطه تجربي بري كه عمق و عرض را با دقت قابل قبولي پيش بيني مي كند در تخمين شيب داراي دقت كمي است. نتيجه گيري: نتايج نشان داد هر دو روش با ورودي (2) تغييرات هندسي آبراهه را با دقت قابل قبولي شبيه سازي مي كنند و عرض و عمق را به خوبي تخمين مي زنند. به طور كلي قابليت تخمين عرض بيشتر از عمق است و هر دو روش با ورودي (1) و (2) قادر به تخمين شيب كانال پايدار نمي باشند. در اعماق كمتر از 2 متر تاثير قطر متوسط رسوب نسبت به دبي بر پيش بيني عمق كم است. تغييرات شيب فقط به دبي و قطر متوسط رسوب بستگي ندارد و پارامترهاي ديگري در تغييرات آن تاثير دارند. تاثير پارامترهاي ناشناخته بر شيب هاي بيشتر از 0/5٪ بيشتر است زيرا هر دو روش هيچ تخمين قابل قبولي ارائه نكرده اند. رابطه بري نسبت به دو رابطه سيمونز و آلبرتسون و افضلي داراي دقت بيشتري در پيش بيني مشخصات آبراهه است. مقايسه ANFIS با روابط تجربي نشان داد مشخصات آبراهه پايدار توسط ANFIS با دقت بيشتري نسبت به روابط تجربي پيش بيني مي شود.

Background and Objectives: Determination of stable channel characteristics includes width, depth and slope is very important that considered for more than a century. Design of Stable channel was used in various works such as river engineering, flood control and water conveyance. The main objective of this study is evaluation of two methods of ANFIS and SVM to estimate stable channel characteristics. Materials and Methods: 325 measured data from the natural channel and laboratory investigations were used for training, testing and evaluating ANFIS and SVM methods. ANFIS system that combines neural network with fuzzy logic was introduced in 1993 by Zhang. Support Vector Machine can be applied not only to classification problems but also to the case of regression. 60% of data was used for training, 20% evaluation and the remaining 20% were used for test. To simulate the channel characteristics two input include: 1- discharge and 2- discharge and median sediment grains were used. The empirical formula Afzalimehr et al., Bray and Simmons and Albertson was used to compare with ANFIS and SVM. Results: ANFIS and SVM methods with input (2) to (1) estimate width 50% and 80% respectively and depth 61% and 40% respectively with a lower error. ANFIS and SVM prediction accuracy in various ranges of width and depth is different. Both methods could not predict the slope. Bray empirical relationship that predicted depth and width of the reasonably accurately estimates the slope with less accuracy. Conclusion: The results showed that both methods with input (2) simulate changes in channel geometry with reasonable accuracy and estimate the width and depth as well. Overall, estimation capability of width more than depth and both methods with input (1) and (2) can’t estimate slope stable channel. In depth of less than 2 meters the impact of median grain size is little on the predicted depth. Changes in slope do not depend only on the discharge and median grain size and other parameters that affect the change. The effects of the unknown parameters on slopes greater than 0.5% are high because both methods did not provide any reasonable estimates. Compared with empirical relations showed ANFIS more accurately estimate characteristic of stable channel than Simons and Albertson, Afzalimehr et al. and Bray relationship.