مدل‌سازی ضریب دبی سرریزهای اوجی قوس محور با تقرب دیواره‌های جانبی در شرایط جریان آزاد با استفاده ازروش ‌های یادگیری ماشینی

سرریزهای قوسی به دلیل شرایط هیدرولیکی خاص و طول تاج بلند، قابلیت مناسبی در تنظیم موثر تراز سطح آب در سدها و شبکه‌های آبیاری و زهکشی دارند. اما تاکنون در زمینه تخمین ضریب دبی این سرریزها و نیز استخراج رابطه دبیاشل آنها تحقیقات بسیار کمی انجام شده است. لذا دراین تحقیق از روش‌های برنامه‌ریزی بیان ژن(gep) و روش شبکه عصبی مصنوعی (ann) ضریب دبی سرریزهای اوجی قوس محور با دیواره‌های هادی همگرا مدل‌سازی و با داده های آزمایشگاهی مورد مقایسه قرار گرفت. بدین منظور از داده های مدل فیزیکی سرریز سد گرمی‌چای با چندین زاویه همگرایی دیواره‌های هادی 120> θ > صفردرجه استفاده شد.مقایسه نتایج محاسباتی روش های مذکور با مقادیر آزمایشگاهی نشان می دهد که روابط پیشنهادی دقت مناسبی دارند ضمن اینکه در مطالعه حاضر تا حدودی عملکرد بهتر روش برنامه ریزی بیان ژنتیک نسبت، به روش شبکه عصبی مصنوعی، مشاهده شده است. نتایج حاصل همچنین نشان می دهد که نسبت ارتفاع دبی طراحی به عمق بحرانی (hd/yc) و طول تاج سرریز به عمق کانال پایین دست (l/lch) به ترتیب بیشترین و کمترین تاثیر را در تخمین ضریب دبی در مدل برتر دارند و در این مدل در روش gep مقادیر همبستگی خطی بین مقادیر محاسباتی و مشاهداتی (dc)، ریشه میانگین مربعات خطاها (rmse) و میانگین خطای نرمال (mne) به ترتیب 0.818، 0.089، 4.37 و برای روش ann این مقادیر با همان ترتیب 0.77، 0.099و 4.32 به دست آمد که کارایی مناسب این روش ها را تایید می کند.