CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

بررسی روند تاثیرات پارامترهای هیدرولیکی و رسوبی بر میزان انتقال بار بستر با استفاده از همبستگی های آماری و روش های یادگیری ماشین

عنوان مقاله: بررسی روند تاثیرات پارامترهای هیدرولیکی و رسوبی بر میزان انتقال بار بستر با استفاده از همبستگی های آماری و روش های یادگیری ماشین
شناسه ملی مقاله: JR_IJSWR-53-1_008
منتشر شده در در سال 1401
مشخصات نویسندگان مقاله:

کیومرث روشنگر - استاد گروه مهندسی آب، دانشکده عمران دانشگاه تبریز، تبریز، ایران
سمیرا جولازاده - کارشناس ارشد مهندسی آب و سازه های هیدرولیکی, دانشکده عمران دانشگاه تبریز, تبریز, ایران

خلاصه مقاله:
در مهندسی هیدرولیک و رودخانه، بارهای جامد رسوبی نقش اساسی را در تعیین رفتار رودخانه و کنترل مورفولوژی دارند؛ به همین دلیل ارزیابی و برآورد صحیح انتقال بار جامد رسوبی از دیرباز یکی از مسائل عمده و اصلی در علوم مرتبط با مهندسی رودخانه و محیط زیست می­باشد. هدف از این تحقیق برآورد میزان انتقال بار بستر در ۱۹ رودخانه با بستر شنی می باشد. بدین منظور، ابتدا روند همبستگی آماری بین پارامتر انتقال رسوب (دبی بار بستر) و پارامترهای هیدرولیکی و رسوبی (دبی جریان، عمق جریان، سرعت متوسط جریان، قطر متوسط ذرات رسوب، عدد فرود و...) بررسی شده و دبی بار بستر به صورت تابع رگرسیونی تک متغیره برآورد می شود. مطابق نتایج ارائه شده به یک همبستگی مطلوبی بین پارامتر انتقال رسوب و پارامترهای هیدرولیکی و رسوبی رسیده شد و نتایج نشان داد این روابط رگرسیون ساده در اکثر رودخانه­ها از دقت قابل­قبولی برخوردار بوده است. ثانیا، عملکرد ۱۰ رابطه تجربی در پیش­بینی بار بستر مورد بررسی قرار گرفت. همه فرمول­ها از نتایج خیلی ضعیفی برخوردار بوده­اند؛ به همین دلیل پارامترهای مربوط به فرمول­هایی که نتایج نسبتا بهتری نسبت به فرمول­های دیگر داشته­اند، انتخاب شده و به منظور افزایش دقت برآورد، بار دیگر با استفاده از دو روش یادگیری ماشین مبتنی بر کرنل: ماشین بردار پشتیبان (SVM)، رگرسیون فرآیند گاوسی (GPR) مدل­سازی انجام شد. نتایج حاصله نشان داد روش­های ماشینی از دقت قابل­قبولی در پیش­بینی بار بستر برخوردار بوده اند و مدل مربوط به پارامترهای فرمول بگنولد که شامل پارامترهای قدرت جریان، عمق جریان و قطر متوسط ذرات رسوب می باشد، با دارا بودن ضریب همبستگی و شاخص نش - ساتکلیف به ترتیب برابر ۹۲۳/۰R= و ۸۵۱/۰ NSE=برترین مدل حاصل از روش های ماشینی می باشد.

کلمات کلیدی:
پیش بینی رسوب, همبستگی آماری, روابط تجربی, ماشین بردار پشتیبان, رگرسیون فرآیند گاوسی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1658617/