آرمان علیرضازاده صدقیانی - گروه مهندسی آب /دانشکده عمران/دانشگاه تبریز/تبریز/ایران
میر علی محمدی - دانشیار مهندسی عمران- هیدرولیک و مکانیک مهندسی رودخانه، دانشکده فنی و مهندسی، دانشگاه ارومیه.
میثاق گلوانی - دانشجوی کارشناسی ارشد مهندسی عمران- سازه، دانشکده فنی، دانشگاه ارومیه، ایران
بابک واحددوست - استادیار گروه مهندسی عمران، دانشکده فنی، دانشگاه صنعتی بورسا، ترکیه

تخمین ضریب دبی دریچه های کشویی در شرایط جریان آزاد و مستغرق همواره یکی از موضوعات مورد علاقه محققین هیدرولیک بوده است. در سال های اخیر روابط نیمه تجربی مختلفی به منظور تخمین ضریب دبی دریچه های کشویی در شرایط جریان مستغرق ارائه شده که کاربرد این روابط اغلب با خطاهای بزرگی همراه بوده است. هدف از پژوهش حاضر استفاده از روش های رگرسیون فرایند گاوسی (GPR) و ماشین بردار پشتیبان (SVM) به عنوان فنون محاسبات نرم به منظور تخمین ضریب دبی دریچه های کشویی در شرایط جریان مستغرق و مقایسه نتایج حاصل با روش های نیمه تجربی بوده است. بدین منظور، با به کارگیری تعداد ۱۲۲ داده آزمایشگاهی، مدل های مختلفی بر اساس ترکیب پارامترهای بدون بعد تعریف شده و دقت این مدل ها مورد ارزیابی قرار گرفت. نتایج حاصل کارایی بالای روش های هوش مصنوعی را نسبت به روش های تجربی به خوبی نشان داد. به راستی، بررسی مدل های مختلف نشان داد که تکنیک ماشین بردار پشتیبان به همراه پارامترهای ورودی y_t⁄w ، y_"۰" ⁄w ،"۱"/〖Fr〗^"۲" و S با دارا بودن مقادیر ۰۱۷/۰RMSE=، ۹۷/۰R= و ۹۵/۰NSE= عملکرد بهتری نسبت به تکنیک رگرسیون فرایند گاوسی و سایر روش های نیمه تجربی در تخمین ضریب دبی دریچه های کشویی در شرایط جریان مستغرق دارا می باشد.

دریچه کشویی , ضریب دبی , هوش مصنوعی , ماشین بردار پشتیبان , , روش های نیمه تجربی