در این مقاله، برای اولین بار با استفاده از روش هوش مصنوعی نوین تحت عنوان ORELM ضریب دبی سرریزهای کنگره¬ای تخمین زده شدند. در ابتدا، تعداد نرون¬های لایه مخفی بهینه مساوی با 15 انتخاب شد. سپس نتایج توابع فعال¬سازی مختلف مورد ارزیابی قرار گرفت که دقت¬ترین تابع فعال¬سازی برای مدل عددی شناسایی گردید. در ادامه، با استفاده از پارامترهای ورودی موثر بر روی ضریب دبی سرریزهای کنگره¬ای، هفت مدل ORELM مختلف توسعه داده شدند و با انجام تحلیل حساسیت، مدل برتر و موثرترین پارامترهای ورودی شناسایی شدند. به¬عنوان مثال، مقادیر شاخص¬های آماری R²، RMSRE و NSC برای مدل برتر به¬ترتیب مساوی با 943/0، 224/5 و 940/0 محاسبه شدند. همچنین، پارامترهای ورودی نسبت هد روی سرریز به ارتفاع سرریز (H_T/P) و نسبت عرض یک کنگره به ارتفاع سرریز (w/P) به¬عنوان مهمترین پارامترهای ورودی شناسایی شدند. سپس برای مدل¬های عددی یک تحلیل عدم قطعیت اجرا و نشان داده شد که مدل ORELM دارای عملکردی بیشتر از واقعی بود.
 

واژه‌های کلیدی: سرریز کنگره‌ای، ضریب دبی، ماشین آموزش، تحلیل عدم قطعیت

متن کامل [PDF 1002 kb]   (2314 دریافت)