بررسی پارامترهای تاثیرگذار در تخمین افت انرژی در آبروهای زیرزمینی شیبدار مخروطی شکل با استفاده از روش رگرسیون فرآیند گاوسی

افت انرژی موضعی یکی از پارامترهای اساسی طراحی آبروهای زیرزمینی یا کالورت ها است. تاکنون مطالعات بسیاری در این خصوص انجام شده و روابط متعددی برای تخمین ضریب افت انرژی موضعی ارائه گردیده است. مطالعات قبلی نشان داده است که ضریب افت انرژی یک پارامتر وابسته به متغیرهای هیدرولیکی جریان و هندسه کالورت است. بااین حال، به دلیل وجود عدم قطعیت در پدیده روابط موجود منجر به نتایج جامع و دقیقی نشده است. در این تحقیق، چندین مدل با در نظر گرفتن ورودی‌های مختلف با استفاده از داده‌های آزمایشگاهی جهت تخمین ضریب افت انرژی موضعی در آبروهای زیرزمینی مخروطی شیب‌دار تعریف شده و کارایی روش هوشمند رگرسیون فرآیند گاوسی (gpr) به عنوان یک رویکرد مبتنی بر کرنل مورد ارزیابی قرار گرفت و نتایج حاصله با روش برنامه ریزی بیان ژن (gep) مقایسه گردید. همچنین، به منظور تعیین تاثیر پارامترهای ورودی آنالیز حساسیت انجام شد. نتایج حاصله کارایی بالای روش به‌کاررفته در تحقیق را در تخمین ضریب افت انرژی به اثبات رساند. نتایج مدلسازی با روش gpr نشان داد که مدل با پارامترهای ورودی عدد فرود (fr)، نسبت عمق آب به قطر آبرو زیرزمینی (hw/d) و طول کاهنده (lr)، مدل برتر است. در این حالت مقادیر معیارهای ارزیابی برای سری داده‌های آزمون به‌صورت cc=0.85، dc=0.799 و rmse=0.2 بدست آمد. همچنین، با انجام آنالیز حساسیت، مشاهده شد که عدد فرود بیشترین تاثیر را بر ضریب افت موضعی دارد و می‌تواند باعث افزایش قابل توجهی در کارایی مدل گردد. استفاده از عدد فرود باعث افزایش تقریبا 40 درصدی دقت مدلسازی شد.

investigating the effective parameters in predicting the energy loss of slope-tapered culverts via gpr approach

local energy loss is one of the basic design parameters of underground aqueducts or culverts. so far, numerous studies have been performed in this regard, and several formulas have been developed to predict the local energy loss coefficient. previous studies have shown that the energy loss coefficient is a parameter dependent on the hydraulic variables of the flow and culvert geometry. however, due to the uncertainty in the phenomenon, the existing relationships have not led to comprehensive and accurate results. in this study, several models were developed by considering different input parameters by using experimental data to predict the local energy loss coefficient in slope-tapered culverts and the efficiency of the intelligent method of gaussian process regression (gpr) as a kernel-based approach was evaluated. the results were compared with gene expression programming (gep) method. also, for determining the effect of input variables, sensitivity analysis was performed. the results proved the high efficiency of the method used in the research in estimating the energy loss coefficient. the results of gpr modeling showed that the model with input parameters of froude number (fr), ratio of water depth to culvert diameter (hw/d), and reducer length (lr) is the superior model. in this case, the evaluation criteria values for the test data series were obtained as cc=0.85, dc=0.799 and rmse=0.2. also, by performing sensitivity analysis, it was observed that froude number has the most impact on the local loss coefficient and could cause a significant increment in model efficiency. the use of the froude number increased the accuracy of modeling by almost 40%.