استفاده از الگوریتم تکاملی برای بهینه‌سازی مدل انفیس به‌منظور مدل‌سازی ضریب دبی روزنه‌های جانبی دایروی

در این مطالعه، ضریب دبی روزنه های جانبی دایره ای با استفاده از یک روش ترکیبی جدید، مدل‌سازی شد. ترکیبات انجام شده در این مطالعه، به دو قسمت تقسیم شد: 1) ترکیب دو الگوریتم بهینه سازی ازدحام ذرات (pso) و الگوریتم ژنتیک (ga) و ارائه الگوریتم psoga ، 2) استفاده از الگوریتم ترکیبی psoga جهت بهینه سازی شبکه انفیس (anfis) و ارائه روش anfis-psoga. با شناخت پارامترهای موثر بر ضریب دبی روزنه های جانبی دایروی، 11 ترکیب مختلف ارائه شد. تحلیل حساسیت انجام شده با استفاده از anfis، نشان داد که عدد فرود و نسبت عمق جریان به قطر روزنه (ym/d) موثرترین پارامترها در مدل سازی ضریب دبی شناسایی شدند. همچنین، بهترین ترکیب در براورد ضریب دبی استفاده از متغیرهای فرود جریان (fr)، نسبت عرض کانال اصلی به قطر روزنه جانبی (b/d)، نسبت ارتفاع تاج روزنه به قطر روزنه (w/d) و نسبت عمق جریان به قطر روزنه (ym/d) بود. مقادیر mape، rmse و r برای این مدل، به ترتیب برابر 0/021، 0/20 و 0/871 به‌دست آمد. پس از انتخاب بهترین ترکیب، عملکرد روش anfis-psoga با دو روش anfis and anfispso، مقایسه شد. نتایج نشان داد که روش anfispsoga برای مدل‌سازی ضریب دبی، دارای خطای کمتری بود.

Application of Evolutionary Algorithm to Optimization of ANNIS Model for Discharge Coefficient Circular Side Spillway Modeling

In this study, the discharge coefficient of the circular side orifices was predicted using a new hybrid method. Combinations made in this study were divided into two sections: 1) the combination of two algorithms including Particle Swarm Optimization (PSO) and Genetic Algorithm (GA) and providing the PSOGA algorithm 2) using the PSOGA algorithm in order to optimize the Adaptive Neuro Fuzzy Inference Systems (ANFIS) network and providing the ANFISPSOGA method. Next, by identifying the parameters affecting on the discharge coefficient of the circular side orifices, 11 different combinations were provided. Then, the sensitivity analysis conducted by ANFIS showed that the Froude number and the ratio of the flow depth to the orifice diameter (Ym/D) were identified as the most effective parameters in modeling the discharge coefficient. Also, the best combination including the Froude number (Fr), the ratio of the main channel width to the side orifice diameter (B/D), the ratio of the orifice crest height to its diameter (W/D) and the ratio of the flow depth to the orifice diameter (Ym/D) for estimating the discharge coefficient was introduced. For this model, the values of Mean Absolute Percentage Error (MAPE), Root Mean Square Error (RMSE) and correlation coefficient (R) were obtained 0.021, 0.020 and 0.871, respectively. Additionally, the performance of the ANFISPSOGA method was compared with the ANFISPSO and ANFIS methods. The results showed that the ANFISPSOGA method for predicting the discharge coefficient was the superior model