مدل‌سازي ضريب دبي سرريز جانبي واقع بر كانال همگرا با استفاده از ماشين آموزش نيرومند

Modeling Discharge Coefficient of Side Weir on Converging Channel Using Extreme Learning Machine

در اين مطالعه با استفاده روش جديد ماشين آموزش نيرومند براي اولين بار ضريب دبي سرريزهاي جانبي واقع بر كانال هاي همگرا شبيه سازي شد. براي بررسي دقت مدل عددي از شبيه سازي هاي مونت كارلو استفاده و براي اعتبار سنجي مقادير آزمايشگاهي از روش اعتبارسنجي ضربدري بهره گرفته شد. سپس پارامترهاي ورودي براي شبيه سازي ضريب دبي شناسايي گرديد. در ادامه با يك پروسه سعي و خطا تعداد نرون هاي لايه مخفي ماشين آموزش نيروند تعيين گرديد. در قسمت بعد نيز بهينه ترين تابع فعال سازي بدست آمد. در ادامه با استفاده از پارامترهاي ورودي شش مدل ماشين آموزش نيرومند توسعه داده شد و با تحليل حساسيت مدل برتر و موثرترين پارامتر ورودي شناسايي گرديد. مدل برتر مقادير ضريب دبي را با دقت مناسبي تخمين زد. به عنوان مثال مقادير شاخص هاي R2 و MAPE براي اين مدل به ترتيب مساوي 0.963 و 5.135 تخمين زده شد و عدد فرود در پائين دست سرريز جانبي (Fd) به عنوان تاثيرگذارترين پارامتر معرفي گرديد. سپس براي مدل برتر يك رابطه ارائه گرديد.

In this study, the discharge coefficient of side weirs located on converging channels was simulated for the first time using a new method of Extreme Learning Machine (ELM). To enhance the performance of the numerical model, the Monte Carlo simulations were used and the experimental values validation was conducted by the k-fold cross validation method. Then, the input parameters were detected for simulating the discharge coefficient. Subsequently, the number of the Extreme Learning Machine hidden layer neurons was determined using a trial-and-error process. In the next step, the most optimized activation function was also obtained. Then, using the input parameters, six ELM models were developed and the superior model and the most effective input parameter were identified through a sensitivity analysis. The superior model estimated the discharge coefficient values with an acceptable accuracy. For example, the values of the indices R2 and MAPE for this model were estimated 0.963 and 5.135, respectively and the Froude number at the downstream of the side weir (Fd) was introduced as the most effective parameter. Then, a relationship was provided for the superior model.