روش‌ تلفیقی سطح پاسخ و فراکاوشی در به روزرسانی مدل عددی جریان غیردائمی در شبکه رودخانه‌ای (مطالعه موردی: رودخانه گرمابدر- زیقان)

در تحقیق حاضر روشی برای به روز رسانی مدل ‌های عددی پیش بینی جریان غیردائم در شبکه های رودخانه ای با استفاده از ترکیب روش سطح پاسخ و روش های فراکاوشی توسعه داده شده است. در این راستا، شاخه‌ای از رود گرمابدر (زیقون) برای مطالعۀ موردی انتخاب شد. از نرم افزار hec-ras به منظور تهیۀ مدل عددی جریان غیر دائم در شبکۀ رودخانه‌ای استفاده شده است. شبکۀ عصبی نیز برای شبه سازی روش عددی انتخاب شد تا در روند استفاده از روش الگوریتم ژنتیک بتوان پارامترهای مورد نظر را بهینه سازی کرد. پس از مدل سازی جریان غیردائم در نرم افزار hec-ras برای به روز رسانی مدل عددی، ضریب مانینگ به عنوان پارامتر تاثیرگذار در نتایج حاصل از نرم افزار hec-ras انتخاب گردید. برای بررسی تاثیر این پارامتر و تعیین مقدار بهینه برای به روز رسانی مدل عددی مورد نظر، به تعداد 100 بار نرم افزار hec-ras به‌ازای ضریب های مانینگ متفاوت مدل سازی و آنالیز گردید و شبکۀ عصبی با تعداد 1000 لایۀ درونی آموزش داده شد. نتایج به دست آمده نشان داد که بهینه سازی پارامتری موثر در رفتار جریان شبیه سازی شده و  روندی است فرسایشی و زمان بر اما استفاده از شبکۀ عصبی این سرعت همگرایی را بالا می برد و در نتیجه این روند بسیار سریع تر و قابل اعتمادتر می شود. از طرف دیگر، نتایج نشان می دهد که ضرایب مانینگ از پارامترهای بسیار مهم و تاثیرگذار در رفتار جریان شبیه سازی شده است که با تغییری اندک در آن، نتایج مدل شبیه سازی شده دستخوش پراکندگی قابل توجهی می شود که در روند آنالیز باید در نظر گرفته شود تا نتایج حاصل با واقعیت تفاوت قابل توجهی نداشته باشند.

using the response surface and heuristic methods in updating the numerical model of unsteady flow in river networks (case study: garmabdar river)

nowadays, numerical modeling is known as a powerful method and tool in investigating practical phenomena. so that this method is used in many fields of engineering. although the numerical model of an engineering problem is usually prepared based on several simplifying assumptions, it is possible that this numerical model does not reflect all aspects of the real problem and is not able to show the real behavior in reality. direct updating methods use the analytical solution of the problem for this purpose, although these methods specify the necessary corrections without the need to repeat calculations and in one step, but in most cases such corrections do not have a physical meaning in reality but iteration-based updating methods require sensitivity analysis of the effective parameters in the problem in order to find the impact of each of them. one of the solutions to deal with the time-consuming problem of multiple re-analyses in numerical models prepared by commercial software during model updating based on sensitivity analysis is to replace the numerical model with an approximate representative model known as meta-models. the response surface method is one of the common methods for building such meta-models. the response surface technique is actually a test design method to select the design parameters in the experiment with the aim of optimizing some system response functions. from this point of view, the research regarding the response of the network of open channels to the arrival of the flood wave and predicting the characteristics of the flow in the branches of the network can be the solution to minimize the damages caused by it.