کاربرد و ارزیابی الگوریتم svm برای شبیه‌سازی هندسه‌ی گودال آبشستگی پایین‌دست سرریز سیفونی

شبیه‌سازی دقیق مشخصات هندسی گودال آبشستگی ناشی از برخورد جت آب به کف حوضچه‌ی استغراق نقش مهمی در طراحی، ساخت و عملکرد سرریزها و مستهلک‌کننده‌های انرژی دارد. در این پژوهش، ارزیابی تطبیقی بین مطالعه‌ی آزمایشگاهی و عددی آبشستگی در پایین‌دست سرریز سیفونی با استفاده از الگوریتم پشتیبان بردار ماشین (svm) با سه دانه‌بندی از مواد رسوبی و سه زاویه‌ی پرتابه‌ی باکت به ازای مقادیر مختلف دبی و عمق پایاب در یک فلوم آزمایشگاهی مستطیلی از جنس پلاکسی‌گلاس انجام شد. سه متغیر بی‌بعد که دارای استقلال خطی نسبت به هم بودند، تشکیل شدند. علاوه بر الگوریتم svm، معادلات رگرسیون کلاسیک خطی و غیرخطی و همچنین شبکه‌ی عصبی ffbp و cpbf برای شبیه‌سازی هندسه‌ی گودال مورد استفاده قرار گرفتند و به کمک پنج شاخص آماری r، rmse، mae، n.s و ddr مقایسه شدند. مقایسه‌ی شاخصهای تدقیق پنجگانه نشان داد از بین مدل‌های عددی، الگوریتمsvm کارکرد بهتری نسبت به بقیه‌ی مدل‌ها مخصوصا مدل‌های رگرسیونی کلاسیک داشت. در بین تمام پارامترهای هندسی گودال آبشستگی، بالاترین و پایین‌ترین سطح عملکرد الگوریتم svm مربوط به l_s/h_tو l_6/h_tبه ترتیب با مقادیر شاخص‌های آماری پنجگانه‌ی فوق‌الذکر (0.9954، 0.2056، 0.987، 0.9851، 7.855) و (0.8924، 2.860، 2.230، 0.7587، 1.405) بودند. در نهایت مقایسهای بین خروجی الگوریتم svm و معادله‌ها‌ی تجربی برای شبیه‌سازی عمق گودال فرسایشی انجام شد. نتایج نشان داد الگوریتمsvm برتری محسوس و مطلقی نسبت به معادلات تجربی ارائه شده توسط محققان دیگر دارد.

Application and Assessment of SVM Algorithm to Simulate the Geometry of Scour Hole Downstream of a Siphon spillway

Accurate simulation of scour hole’s geometric specifications, created due to flow jet collision to plunge pool bed, has a significant role in the design, construction and performance of weirs and energy dissipater structures. In this research, a comparative evaluation was done between experimental and numerical study of scour phenomena downstream of a siphon spillway using SVM algorithm with three sediment particles and three buckets angles for different magnitudes of flow discharge and tail water depths in a rectangular flume made from plexiglas. Three linearindependent dimensionless parameters were formed. Classic linear and nonlinear regression model and FFBP and CFBP neural networks were applied more over the SVM algorithm to simulate the scour hole dimensions and were compared using five statistical indices as R, RMSE, MAE, N.S and DDR. A comparison of the quintuple accuracy indices showed that SVM algorithm had better performance than to the other models, especially classic regression ones. Among all parameters, SVM algorithm had acceptable prediction with higher and lower level of accuracy for L_S/h_tand L_6/h_tby quintuple above mentioned indices as (0.9954, 0.2056, 0.987,0.9851,7.855) and (0.8924,2.860,2.23,0.7587,1.405), respectively. Finally, a comparison was done among SVM algorithm and empirical predictors of scour hole depth. Comparison of accuracy indices showed that the SVM had a tangible and absolute advantage over empirical equations presented by other researchers.