توحید امیدپورعلویان - دانشجوی کارشناسی ارشد، مهندسی عمران -آب و سازه های هیدرولیکی-دانشگاه مراغه
مهدی ماجدی اصل - دانشیار دانشگاه مراغه-گروه مهندسی عمران
مهدی سلطانی - دانشجوی کارشناسی ارشد، مهندسی عمران -آب و سازه های هیدرولیکی-دانشگاه مراغه
احسان محمدی - دانشجوی کارشناسی ارشد، مهندسی عمران -آب و سازههای هیدرولیکی-دانشگاه مراغه
وحید شمسی - دانشجوی کارشناسی ارشد، مهندسی عمران -آب و سازه های هیدرولیکی-دانشگاه مراغه

سرریزهای غیرخطی ضمن برخوردار بودن از مزیت های اقتصادی، قابلیت عبوردهی بیشتری را نسبت به سرریزهای خطی دارند. این سرریزهااز طریق افزایش طول تاج در یک عرض مشخص، در مقایسه با سرریزهای خطی راندمان دبی بیشتر با ارتفاع آزاد کمتر در بالادست را دارند.الگوریتم های هوشمند به دلیل توانایی زیاد در کشف رابطههای دقیق پیچیدهی مخفی بین پارامترهای مستقل موثر و پارامتر وابسته و همچنینصرفه جویی مالی و زمانی، جایگاه بسیار ارزشمندی بین پژوهشگران پیدا کرده اند. در این پژوهش عملکرد الگوریتم شبکه هوش مصنوعی (ANN) در پیش بینی ضریب دبی سرریزهای غیرخطی تعداد ۳۱۸ سری داده برای سناریو اول و سناریو دوم شامل تعداد ۳۶۳ سری داده و سناریو سومشامل ادغام داده ها (مجموع سناریوی اول و دوم) که شامل ۶۸۱ سری داده می باشند. تفاوت سناریو اول و دوم در فرم تاج سرریز ربع دایره ای ونیم دایره ای می باشد. پارامترهای هندسی و هیدرولیکی مورد استفاده در این پژوهش شامل نسبت بار آبی کل (HT/p) ، بزرگ نمایی (L(C)/W)، زاویهدیواره سیکل (α) و ضریب دبی (Cd) می باشند. نتایج هوش مصنوعی نشان داد که ترکیب پارامترهای ((CD, (H(T)/P), α, (L(C)/W) در الگوریتم ANN درمرحله ی آموزش مربوط به (سناریو اول) با شاخصه های ارزیابی به ترتیب برابراست با (DC=۰/۹۹۸۰), (RMSE=۰/۰۰۵۷), (R(۲)=۰/۹۹۸۰)،می باشد. در مرحله آموزش مربوط به (سناریو دوم) برابراست با (DC=۰/۹۹۵۲), (RMSE=۰/۰۱۱۱), (R(۲)=۰/۹۹۵۲) و در سناریو سوم به ترتیببرابر با (DC=۰/۹۶۶۲), (RMSE=۰/۰۲۷۶), (R(۲)=۰/۹۹۶۰) میباشد که در مقایسه با دیگر ترکیبها منجر به بهینه ترین خروجی شده استکه نشان دهنده دقت بسیار مطلوب روش ANN در پیشبینی ضریب دبی سرریز غیرخطی است. نتایج آنالیز حساسیت نشان داد که پارامترموثر در تعیین ضریب دبی سرریز غیرخطی پارامتر نسبت بار آبی کل (HT/p) می باشد.

شبکه های عصبی، سرریز غیرخطی، شاخصه های ارزیابی، آنالیز حساسیت