بررسی پارامترهای هیدرولیکی تاثیرگذار بر آبشستگی پایین‌دست سازه‌های کنترل با استفاده از روش رگرسیون فرآیند گاوسی

پیش‌بینی عمق آبشستگی در پایین‌دست سازه‌های کنترل ازجمله سرریزها و سازه‌های کنترل شیب یکی از مسائل ضروری در طراحی این سازه‌ها می‌باشد. در تحقیق کنونی عملکرد روش رگرسیون فرآیند گاوسی (gpr) به عنوان یکی از روش‌های نوین داده کاوی در پیش‌بینی حداکثر عمق آبشستگی پایین‌دست سازه‌های کنترل مورد بحث قرار گرفت. جهت بررسی موضوع برای هر سری داده، مدل‌های مختلفی تعریف شده و تاثیر پارامترهای هیدرولیکی مورد ارزیابی قرار گرفت. بهترین نتایج برای داده‌های آزمون، برای سرریز لبه تیز مقادیر 0.90)dc=ضریب تبیین)، 0.93=cc(ضریب همبستگی)، % 11.2=rmse (جذر میانگین مربعات خطاها (، %7.9=mae (میانگین قدرمطلق خطاها)، و برای سازه کنترل شیب مقادیر 0.81=dc=، 0.86=cc، %19.4=rmse، %16.7mae به‌دست آمد. همچنین بر اساس نتایج آنالیز حساسیت مشخص گردید که پارامترهای fr1 (عدد فرود بالاست جریان) و b/z (نسبت عرض سرریز به ارتفاع سرریز) در پایین‌دست سرریز لبه تیز و پارامترهای dp/h (ارتفاع ریزش سازه به ارتفاع آب روی سازه) و fr1در پایین دست سازه کنترل شیب کلیدی‌ترین نقش را در پیش‌بینی عمق آبشستگی دارند. درواقع تغییرات عمق آبشستگی متاثر از هندسه و انرژی جریان در بالادست این سازه‌ها است. مقایسه روابط نیمه تجربی و کلاسیک با نتایج حاصل از روش به‌کاررفته در تحقیق نشان داد که نتایج روش هوشمند gpr نسبت به روابط کلاسیک دقیق‌تر و قابل‌اعتمادتر بوده بطوریکه معیارخطای rmse بیش از 80 درصد کمتر شده است.

Investigation of effective Hydraulic Parameters on Scouring at downstream of Control Structures Using Gaussian Process Regression Method

Abstract: Scour depth prediction downstream of control structures such as spillways and gradecontrol structures is one of the essential issues in the design of these structures. In the present study, the efficiency of the Gaussian Process Regression (GPR) method was evaluated to estimate the scour depth downstream of control structures. Various models were developed and the impacts of hydraulic parameters were evaluated. The results proved the high efficiency of the applied method in the research in estimating the scour depth compared to the semiempirical equations. The best result for test series was obtained in the state of sharp crested weir with the values of CC=0.93, DC=0.90, RMSE=0.112 and MAE=0.079and in the inclined slope controlled with the values of CC=0.86, DC=0.81, RMSE=0.194 and MAE=.167. As well as, the sensitivity analysis results show that Fr1 and b/z parameters and Fr1 and Dp/h is the most important parameter affecting the scour depth simulation downstream of sharp crested weir and inclined slope controlled respectively. In fact, variations in the scour depth are influenced by geometry and flow energy in the upstream of these structures. The comparison of semiempirical and classical relations with the results of the applied method in the research showed that the results of the intelligent GPR method are more accurate and reliable than the classical relations. So that the root mean square error decreased more than 80%.