بررسي عملكرد روش‌هاي كلاسيك و هوش مصنوعي در پيش‌بيني عمق استغراق بحراني آبگيرهاي افقي در كانال‌هاي با جريان روباز

آبگيرهاي افقي يكي از سازه­هاي متداول در برداشت آب از كانال­هاي روباز مانند رودخانه­ها و منابعي مانند درياچه­ها و مخازن سدها مي­باشند. يكي از پديده‌هاي هيدروليكي كه عمدتاً به هنگام آبگيري از كانال­ها ايجاد مي‌شود، تشكيل جريان گردابي و حباب‌هاي هوا مي‌باشد كه مي‌تواند مشكلات زيادي براي تأسيسات هيدرو­مكانيكي آبگيرها ايجاد نمايد. ارتفاع ناكافي آب بالاي لوله آبگير (عمق استغراق) از دلايل عمده تشكيل جريان گردابي در آبگيرهاي افقي مي‌باشد. به­دليل اهميت اين پديده تاكنون مطالعات بسياري جهت تخمين عمق استغراق بحراني انجام‌گرفته ­است. با اين‌ وجود، به­دليل عدم قطعيت در تشكيل گرداب در نزديكي لوله آبگير، نتايج حاصل از دقت مطلوبي برخوردار نمي‌باشد. در تحقيق كنوني با استفاده از سه سري داده آزمايشگاهي، كارآيي روش‌هاي هوش مصنوعي (ماشين بردار پشتيبان SVM و سيستم استنتاج عصبي فازي انطباقي ANFIS و برنامه­ريزي بيان ژن GEP) و روابط كلاسيك در تخمين عمق استغراق بحراني آبگيرهاي افقي در كانال‌هاي روباز و با فاصله متفاوت آبگير از كف كانال مورد بررسي قرار گرفته­است. نتايج به‌دست‌آمده بيان­گر آن ­است كه روش‌هاي هوش مصنوعي در تخمين عمق استغراق بحراني بسيار دقيق‌تر از مدل­هاي كلاسيك بوده و مي­توان همبستگي مناسبي را بين مقادير مشاهداتي و محاسباتي مشاهده نمود. ﺑﻬﺘﺮﻳﻦ نتايج براي داده­هاي آزﻣﻮن، با استفاده از روش SVM در ﺣﺎﻟﺖ C=di/2 (di و C به­ترتيب قطر و فاصله آبگير از كف كانال مي­باشند) با مقادير 976/0DC=، 988/0R= و­191/0RMSE= به­دست آمد. مطابق با نتايج تحليل حساسيت مشاهده گرديد كه سرعت نسبي جريان و عدد وبر در لوله آبگير به­ترتيب بيشترين و كمترين تأثير را در تخمين عمق استغراق بحراني دارا مي‌باشند.