مدل‌های پیش‌بینی برای برآورد گرادیان خروجی و زیرفشار تحت تاثیر فیلتر پایین‌دست

در مطالعه در مطالعه حاضر تاثیر فیلتر واقع در  پایین‌دست  سازه‌های آبی بر کاهش مقادیر زیر فشار و گرادیان خروجی مورد بررسی قرار گرفت. تاثیر  پارامترهای موثر فیلتر از جمله طول و فاصله از  پایین‌دست سازه و همچنین بار آبی بالادست مورد بررسی واقع شد. نتایج نشان داد همواره با طرح فیلتر با نسبتl/h  به میزان 0/057، مقدار زیرفشار به میزان60 درصد در  پایین‌دست و به میزان 10درصد در بالادست کاهش خواهد یافت و تاثیر فیلتر بر کاهش مقادیر زیرفشار در  قسمت‌های انتهایی کف سازه قابل توجه  می‌باشد. با افزایش طول فیلتر همواره گرادیان خروجی کاهش پیدا  می‌کند و با فاصله گرفتن از  پایین‌دست سازه، میزان تاثیر فیلتر بر کاهش گرادیان افزایش پیدا می‌کند. تاثیر طول فیلتر بر کاهش گرادیان همانند زیرفشار، با طرح فیلتر با نسبت l/h برابر با 0/057، مناسب( 65 درصد کاهش) و قابل ملاحظه می‌باشد که با افزایش طول، گرادیان با شیب  کمتری کاهش پیدا  می‌کند. در آخر، از مدل رگرسیونی و  مدل‌های هوش مصنوعی شامل : شبکه توابع پایه شعاعی( rbf)، شبکه چند لایه پیشخور( mlp) و ماشین بردار پشتیبان( svm) برای برآورد زیرفشار و  گرادیان خروجی با وجود فیلتر استفاده شد. با مقایسه این  مدل‌ها با استفاده از  معیارهای mae ، rmse  و r2 ، مدل رگرسیونی به عنوان  مناسب‌ترین مدل و svm به عنوان  ضعیف‌ترین مدل در برآورد زیرفشار و گرادیان معرفی شد.

Prediction models for estimation of exit hydraulic gradient and uplift pressure under the influence of downstream filter

This study investigates the impact of filter which is located in downstream of the hydraulic structures for reduction of uplift pressure and hydraulic gradient. Effective parameters for design of filter are: length of filter (L), distance from downstream of structure (X) and upstream water head (H). The outcomes of this study showed that design of filter with L/H equal to 0.057, results 60% reduction of downstream uplift pressure and 10% reduction of upstream uplift pressure. Thus the effect of filter in uplift pressure in downstream of floor is impressive. By increasing the filter length, exit hydraulic gradient always decreases and with increasing the distance of downstream (X), the effect of filter in reduction exit gradient increases. Design of filter with L/H equal to 0.057 have a good impact on exit hydraulic gradient reduction (65%), witch by increasing the length of filter, hydraulic gradient reduction will be reduced. Finally, regression and artificial intelligence models (RBF, MLP and SVM) were used for prediction of uplift pressure and exit hydraulic gradient in structure with filter. Comparison of these models base on two error measurements (R2, RMSE and MAE) demonstrated that regression model is a suitable model and SVM as a poor model in prediction of uplift pressure and hydraulic gradient.