مدل‌سازی ضریب دبی سرریزهای کنگره‌ای توسط تکنیک‌های هوش مصنوعی

در این مطالعه، جهت تخمین ضربی دبی سرریزهای کنگره؜ای، از یک روش تکاملی بر مبنای نرو فازی استفاده شد. به منظور بهینه سازی پارامترهای سیستم استنتاج عصبی فازی سازگار (anfis) از الگوریتم کرم شبتاب (ffa) استفاده گردید. در مدل؜سازی روش؜های anfis  و  anfisffa، جهت بررسی عدم قطعیت مدل، از شبیه سازی مونت کارلو استفاده شد. علاوه بر این، با استفاده از روش اعتبارسنجی چند لایه اقدام به ارائه مدل؜هایی شد که از انعطاف پذیری و تعمیم پذیری قابل توجهی برخوردار بود. در ابتدا، پارامترهای بی بعد ورودی شامل عدد فرود (fr)، نسبت هد روی سرریز به ارتفاع سرریز (ht/p )، زاویه راس (α)، نسبت طول تاج سرریز به عرض کانال (lc/w)، نسبت طول راس سرریز به عرض زاویه راس (a/w) و نسبت عرض زاویه راس به ارتفاع سرریز (w/p ) تعریف و برای anfis و anfisffa هفت مدل مختلف توسعه داده شدند. سپس با استفاده از تحلیل حساسیت، مدل های برتر (anfis 5 و anfisffa 5) و موثرترین پارامتر ورودی (عدد فرود) شناسایی گردیدند. همچنین، نتایج توزیع خطا نشان داد که تقریبا 70 درصد نتایج مدل برتر (anfisffa 5) خطایی کمتر از 5 درصد داشتند. به عبارت دیگر، دقت خوب مدل برتر به لحاظ آماری تایید گردید. در انتها تحلیل عدم قطعیت برای مدل های برتر اجرا گردید.

Modeling the Discharge Coefficient of Labyrinth Weirs Using Artificial Intelligence Techniques

In this research, an evolutionary based Neurofuzzy technique was utilized to estimate the discharge coefficient of labyrinth weirs. In order to optimize the parameters of the adaptive Neurofuzzy inference system (ANFIS), the Firefly Algorithm (FFA) was implemented. In modeling the ANFISFFA and ANFIS methods, the Monte Carlo simulation was used to evaluate uncertainty of the model. Furthermore, several models with significant flexibility and generalizability were provided using the kfold cross validation method. First, the input dimensionless parameters including the Froude number (Fr), ratio of the head above the weir to the weir height (HT/p < /em>), cycle sidewall angle (α), ratio of length of the weir crest to the channel width (Lc/W), ratio of length of the apex geometry to the width of a single cycle (A/w) and the ratio of width of a single cycle to weir height (w/p < /em>) were defined. After that, seven different models were introduced for ANFIS and ANFISFFA. Then, using a sensitivity analysis, the superior models (ANFISFFA 5 and ANFIS 5) and the most effective input parameter (Froude number) were identified. In addition, the error distribution results showed that about 70% of the superior model (ANFISFFA 5) results had an error less than 5%. In other words, the superior model had a high statistical significance. Ultimately, the uncertainty analysis for the superior models was carried out.