مهدی ماجدی اصل - دانشیار دانشکده فنی و مهندسی-دانشگاه مراغه
توحید امیدپور علویان - دانشجوی کارشناسی ارشد، مهندسی عمران -آب و سازه های هیدرولیکی-دانشگاه مراغه،
مهدی کوهدرق - گروه عمران. واحد ملکان. دانشگاه آزاد اسلامی. ملکان. ایران

سرریزهای غیرخطی ضمن برخوردار بودن از مزیت های اقتصادی، قابلیت عبوردهی جریان بیشتری را نسبت به سرریزهای خطی دارند. الگوریتم های هوشمند به دلیل توانایی زیاد در کشف رابطه های دقیق پیچیده ی مخفی بین پارامترهای مستقل موثر و پارامتر وابسته و همچنین صرفه جویی مالی و زمانی، جایگاه بسیار ارزشمندی بین پژوهشگران پیدا کرده اند. در این پژوهش عملکرد الگوریتم های پشتیبان بردار ماشین(SVM) ، برنامه ریزی بیان ژن(GEP) ، نرم افزار (QNET) و 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 سوم شامل ادغام داده ها (مجموع سناریو ی اول و دوم) که شامل ۶۸۱ سری داده می باشند. تفاوت سناریو اول و دوم در فرم تاج سرریز ربع دایره ای و نیم دایره ای می-باشد. پارامترهای هندسی و هیدرولیکی مورد استفاده در این پژوهش شامل نسبت بار آبی کل(H_T/p) ، بزرگ نمایی (L_C/W)، زاویه دیواره سیکل(α) و ضریب دبی (Cd) می باشند. نتایج هوش مصنوعی نشان داد که تر کیب پارامترهای(Cd, H_T/p, α, L_C/W) در الگوریتم هایQNET ، ANN،GEP و SVM در مرحله ی آموزش مربوط به سناریو برتر با شاخصه های ارزیابی به ترتیب برابراست با (۹۹۶۰/۰=(R۲، (۰۰۸۰/۰=(RMSE، (۹۹۶۱/۰=(DC، (۹۹۸۰/۰=(R۲، (۰۰۵۷/۰=(RMSE، (۹۹۸۰/۰=(DC، (۹۸۳۷/۰=(R۲، (۰۲۰۷/۰=(RMSE، (۹۸۳۸/۰=(DC و (۹۹۰۲/۰=(R۲، (۰۱۸۶/۰=(RMSE، (۹۸۳۰/۰=(DC می باشد. که در مقایسه با دیگر ترکیب ها منجر به بهینه ترین خروجی شده است که نشان دهنده دقت بسیار مطلوب به ترتیب در هر چهار روش عبارت است از ANN، QNET، SVM و GEP در پیش بینی ضریب دبی سرریز غیرخطی است. نتایج آنالیز حساسیت نشان داد که پارامتر موثر در تعیین ضریب دبی سرریز غیرخطی در تمامی روش ها پارامتر نسبت بار آبی کل (H_T/p) می باشد. مقایسه نتایج این تحقیق با سایر محققین نشان می دهد که شاخصه های ارزیابی برای تمامی روش های تحقیق حاضر نسبت به سایر محققین نسبتا بهتر می باشد.

آنالیز حساسیت, سرریز غیرخطی, شبکه های عصبی, ضریب دبی