تخمین ضریب دبی روزنه‌های جانبی مثلثی توسط ساختار تعمیم یافته روش گروه دسته‌بندی داده‌ها

در این مطالعه، برای اولین بار، ضریب دبی روزنه های جانبی مثلثی توسط یک روش نوین تکاملی تحت عنوان ساختار تعمیم یافته روش گروه دسته بندی داده ها (gsgmdh) شبیه سازی شد. در ابتدا، پارامترهای موثر بر روی ضریب دبی روزنه های جانبی مثلثی شناسایی شدند و شش مدل gsgmdh مختلف تعریف شد. سپس داده های آزمایشگاهی به دو دسته آموزش و آزمون تقسیم بندی شدند. در این مقاله، 70% داده ها برای آموزش مدل های هوش مصنوعی و 30% باقیمانده برای آزمون این مدل ها بکار گرفته شدند. با تجزیه و تحلیل نتایج کلیه مدل های gsgmdh، مدل برتر معرفی شد. این مدل مقادیر ضریب دبی را با دقت بالایی تخمین زد، به عنوان مثال، ضریب همبستگی  (r)، شاخص پراکندگی (si) و ضریب نش  (nsc) برای وضعیت آزمون مدل برتر به ترتیب مساوی با 0.999، 0.0008 و 0.999 محاسبه شدند. همچنین، تحلیل حساسیت پارامترهای ورودی نشان داد که عدد فرود (fr) و نسبت عرض کانال اصلی به طول روزنه جانبی (b/l) به عنوان موثرترین پارامترهای ورودی شناسایی شدند. در ادامه، نتایج مدل برتر gsgmdh با مدل gmdh مقایسه شد که این مقایسه نشان دهنده عملکرد بهتر مدل gsgmdh بود.

estimation of discharge coefficient of triangular side orifices using generalized structure group method of data handling

in the study, the discharge coefficient of triangular side orifices is modeled by a new evolutionary algorithm entitled generalized structure group method of data handling (gsgmdh). initially, the variables affecting the discharge coefficient are discerned and six different gsgmdh models are defined. after that, the experimental data are divided into two sub-groups, meaning that 70% of the experimental measurements are used for training and 30% for testing. then, the superior model is introduced through the analysis of all gsgmdh models. this model estimates the discharge coefficient values with remarkable accuracy. for example, in the testing mode of the superior model, the correlation coefficient (r), scatter index (si) and the nash-sutcliff proficiency coefficient (nsc) are calculated 0.999, 0.0008 and 0.999, respectively. furthermore, the sensitivity analysis of the input parameters reveals that the froude number (f1) and the ratio of the main channel width to the side orifice length (b/l) are the most effective input parameters. after that, the results yielded by the gsgmdh superior model are compared with the gmdh results to prove that the accuracy of the gsgmdh model is higher