>
Fa   |   Ar   |   En
   تخمین عمق آبشستگی پایین‌دست شیب‌شکن قائم با استفاده از الگوریتم ماشین بردار پشتیبان  
   
نویسنده محمدنژاد حسین ,محمدی میرعلی ,باقر زاده محمد
منبع پژوهش هاي زيرساخت هاي عمراني - 1402 - دوره : 9 - شماره : 1 - صفحه:1 -11
چکیده    آبشستگی پایین‌دست شیب‌شکن قائم می‌تواند یکی از عوامل ناپایداری و خرابی این سازه باشد. در تحقیق حاضر، عمق آبشستگی پایین‌دست شیب‌شکن قائم با استفاده از روش ماشین بردار پشتیبان (svm) پیش‌بینی شده است. بدین ‌منظور، برای تخمین عمق آبشستگی پایین‌دست شیب‌شکن قائم، 104 داده‌ی آزمایشگاهی مختلف مورد استفاده قرار گرفته ‌است. این داده‌ها تابعی از دو پارامتر بی‌بُعدِ عدد فرود ذرات رسوبی (frj) و عمق نسبی پایاب (yt/yj) می‌باشند که در سه مدل متفاوت وارد شبکه ماشین بردار پشتیبان شده‌اند. جهت ارزیابی نتایج حاصل، معیارهای ارزیابی ضریب تعیین (r2)، جذر میانگین مربعات نرمال‌سازی شده خطاها (nrmse)، ضریب کارایی (dc) و میانگین قدر مطلق خطای نسبی (mare) به کار برده شده‌اند. نتایج نشان داده که مدل شماره (1) با ترکیب ورودی (frj و yt/yj) با داده‌های آماری r2=0.9777، dc=0.929، nrmse=0.0775 و mare=%11.89 برای مرحله‌ی آزمون منجر به حصول بهترین نتیجه می‌شود و روش ماشین بردار‌ پشتیبان نیز در تخمین عمق نسبی آبشستگی از دقتی مناسب، نتایجی مقبول و عملکردی مطلوب برخوردار است. همچنین، مشخص شد که عدد فرودِ ذره رسوبی تاثیر بیشتری بر تخمین عمق نسبی آبشستگی در مقایسه با عمق نسبی پایاب دارد.
کلیدواژه آبشستگی، شیب‌شکن، عمق پایاب، عدد فرود ذره رسوبی، شبکه svm
آدرس دانشگاه ارومیه, دانشکده فنی, گروه مهندسی عمران, ایران, دانشگاه ارومیه, دانشکده فنی, گروه مهندسی عمران, ایران, دانشگاه ارومیه, دانشکده فنی, گروه مهندسی عمران, ایران
پست الکترونیکی m.bagherzadeh@urmia.ac.ir
 
   estimation of the downstream scour depth of vertical drop using the support vector machine (svm) algorithm  
   
Authors mohammadnezhad hossein ,mohammadi mirali ,bagherzadeh mohammad
Abstract    the downstream scour of the vertical drop can be one of the causes of instability and failure of this structure. in the present study, the downstream scour depth of this structure predicted using the support vector machine (svm) method. for this purpose, 104 experimental data used to estimate the scour depth. hese data are a function of the two dimensionless parameters of dansimetric froude number (frj) and tailwater depth (yt / yj) that have been entered into the svm in three different models. to evaluate the results, the evaluation criteria of r2, nrmse, dc, and mare used. the results showed that model number (1) with the input combination (frj and yt / yj) with r2 = 0.9777, dc = 0.929, nrmse = 0.0775, and mare = 11.89% for the test stage leads to the best result. the svm method also has appropriate accuracy, acceptable results, and desirable performance in estimating the scour depth. also, it was found that the densimetric froude number has a greater effect on estimating the relative scour depth compared to the tailwater depth.
Keywords scour depth ,vertical drop ,tailwater depth ,densimetric froude number ,support vector machine
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved