پيش بيني و تعيين پارامترهاي تاثيرگذار بر افت انرژي موضعي سيستم هاي كالورت با استفاده از روش هوشمند الگوريتم تكاملي

Prediction and determination of effective parameters of local energy loss in culvert systems, using intelligent evolutionary Algorithm

به منظور انتقال آب از يك سمت خاك­ريز به سمت ديگر آن از سازه­ هاي به­ نام كالورت استفاده مي­شود. كالورت ها در انواع مقاطع هندسي مختلف كاربرد داشته و علي­رغم ظاهر ساده آن­ها طراحي اين سازه­ها نياز به انجام محاسبات دقيق داشته و عملكرد آن­ها از پارامترهاي مختلفي تاثير مي­پذيرد. تخمين دقيق افت انرژي در كالورت نقش مهمي در طراحي بهينه سيستم­هاي كالورت دارد. در اين مقاله براي مدل­سازي ضريب افت انرژي موضعي در كالورت­ها با هندسه­هاي مختلف (دايروي و مستطيلي شكل)، جهت شبيه­سازي و تخمين ضريب افت انرژي موضعي، مدل­هاي متعدد با ورودي­هاي مختلفي تعريف گرديد و نتايج حاصله 1- كارايي روش برنامه­ريزي بيان ژن (GEP) را در تخمين ضريب افت انرژي موضعي سيستم­هاي كالورت به اثبات رسانيد، 2- مشخص گرديد كه مدل با پارامترهاي ورودي (Fr, θ) در تخمين ضريب افت انرژي موضعي ناشي از وجود خم در مسير و مدل با پارامترهاي ورودي (Fr, ) در تخمين ضريب افت انرژي موضعي ناشي از دهانه ورودي داراي بيش­ترين دقت هستند. معيار­هاي ارزيابي (R,DC,RMSE) در مدل برتر تست مربوط به پيش­بيني ضريب افت موضعي ناشي از وجود خم در مسير برابر (074/0، 943/0، 972/0) و معيارهاي ارزيابي در مدل برتر تست مربوط به پيش­بيني ضريب افت موضعي ناشي از دهانه ورودي برابر با (04/0، 92/0، 962/0) مي­باشد. هم­چنين مطابق با نتايج آناليز حساسيت، پارامتر θ در تخمين ضريب افت انرژي موضعي ناشي از وجود خم در مسير و پارامتر در تخمين ضريب افت انرژي موضعي ناشي از دهانه ورودي بيش­ترين تاثير را داشتند.

A culvert is a hydraulically short conduit which conveys stream flow through a roadway or embankment. Culverts are available in many different shapes and in spite of their simple structure, the process of designing requires accurate calculations and they are controlled by many variables. Accurate estimation of the energy loss in culverts plays an important role in optimum designing of culvert systems. In this paper, in order to simulate the local energy loss coefficient in culverts with various geometries (circular and rectangular), several models with different inputs were defined. The optioned results proved the capability of GEP in predicting local energy loss coefficient in culvert systems. Also it was found that in order to estimate the bend loss coefficient, model with input parameters of (Fr, θ) and to estimate the entrance loss coefficient, models with input parameters of (Fr, ) led to more accurate outcomes. Sensitivity analyses showed that θ and had the key role in estimating bend loss and entrance loss coefficient.