پیش‌بینی عمق آبشستگی در پائین‌دست سرریز جامی شکل توسط مدل ماشین آموزش نیرومند و روش اعتبار سنجی چند لایه

در این مطالعه، عمق آبشستگی در پائین‌دست سرریزهای جامی با استفاده از مدل ماشین آموزش نیرومند شبیه‌سازی گردید. ماشین آموزش نیرومند یک نوع شبکه عصبی تک لایه پیش‌خور است که گره‌های محاسباتی را به‌صورت تصافی انتخاب کرده و وزن‌های خروجی را نیز به‌شکل تحلیل تعیین می‌نماید. علاوه براین برای سنجش توانایی مدل‌های ماشین آموزش نیرومند از شبیه‌سازی‌های مونت کارلو استفاده می‌شود. شبیه‌سازی مونت کارلو یک طبقه‌بندی گسترده از الگوریتم‌های محاسباتی است که از نمونه‌گیری تصادفی برای محاسبه نتایج عددی استفاده می‌کند. همچنین از روش اعتبار سنجی چند لایه برای بررسی توانایی مدل‌های عددی بهره گرفته می‌شود. در روش اعتبار‌سنجی چند لایه ای، نمونه اصلی است به طور تصادفی به k نمونه های فرعی به اندازه مساوی تقسیم شود. مزیت این روش، تکرار تصادفی نمونه های فرعی در روند آزمون و آموزش برای کلیه مشاهدات است و هر مشاهده دقیقا یک‌بار برای اعتبار‌سنجی مورد استفاده قرار می‌گیرد. در این مطالعه مقدار k مساوی با 5 در نظر گرفته شد. سپس پارامترهای تاثیر گذار بر روی عمق آبشستگی شناسایی شد و شش مدل ماشین آموزش نیرومند تعریف گردید. با انجام آنالیز حساسیت موثرترین پارامتر که شامل پارامتر بدون بعد دبی معرفی شد. همچنین با تجزیه و تحلیل نتایج مدل‌های مختلف، مدل برتر معرفی گردید. این مدل مقادیر آبشستگی را با دقت قابل قبولی پیش‌بینی کرد و تابعی از کلیه پارامترهای ورودی بود. به‌عنوان مثال مقادیر ضریب تببین و شاخص پراکندگی به ترتیب مساوی 0.993 و 0.071 بدست آمد.