طراحي بهينه آبشكن‌هاي رودخانه‌اي با استفاده از مدل‌هاي فرا ابتكاري

Optimal Design of River Groynes using Meta-Heuristic Models

تاكنون پژوهشگران متعددي مطالعات زيادي در رابطه با پارامترهاي مؤثر در طراحي آب‌شكن‌هاي رودخانه­اي انجام داده­اند كه بيش­تر پايه آزمايشگاهي داشته و براي شرايط محدودي كاربرد دارند. ازاين‌رو در پژوهش حاضر با استفاده از دو الگوريتم فراابتكاري بهينه‌ساز شامل الگوريتم گرگ خاكستري (GWO) و الگوريتم انتخابات (EA) به طراحي بهينه سازه­اي و ارائه نتايج تحليلي آب‌شكن‌هاي رودخانه زنجان­رود (ازنظر طول و فاصله بين دو آب‌شكن متوالي) پرداخته شد. نتايج با روش شبكه عصبي مصنوعي (ANN) مقايسه شدند. داده­هاي مورداستفاده به ­صورت تصادفي به دو بخش 75% براي واسنجي و 25% براي آزمون تفكيك شدند. عملكرد روش­هاي پيشنهادي با استفاده از شاخص ­هاي آماري ضريب تبيين (R2)، جذر ميانگين مربعات خطا (RMSE) و ميانگين قدر مطلق خطا (MAE) ارزيابي شد. طول بهينه آب‌شكن‌ها با توجه به نتايج حاصل از الگوريتم‌هاي GWO و EA، به­ترتيب برابر با 26/19 و m 12/18 به­ دست آمد. همچنين فاصله بهينه بين دو آب‌شكن متوالي در بهينه­ترين حالت برابر با m 56/52 محاسبه شد. به­‌طور متوسط با توجه به نتايج حاصل از بهينه­سازي انجام‌شده، به­ ترتيب بايد افزايش 4/28 و 35% در طول و فاصله بين دو آب‌شكن متوالي در رودخانه زنجان­رود انجام شود تا در محدوده معيار طراحي توصيه شده قرار گيرد. هم‌چنين بر اساس شاخص ­هاي آماري، نتايج حاصل از الگوريتم GWO در مقايسه با دو روش الگوريتم EA و شبكه عصبي مصنوعي (ANN)، با كسب مقادير 96/0 R2=، 022/0 RMSE= و 016/0 MAE= از كارايي بالاتري برخوردار است.

So far, several researchers have conducted many studies on the effective parameters in the design of river breakwaters, which are mostly laboratory-based and are used for limited conditions. Therefore, the aim of the present studywas to optimal design of structure and to present analytical results of Zanjanrood river breakwaters (in terms of length and distance between two consecutive breakwaters) using two optimization meta-heuristic algorithms including the Gray Wolf Algorithm (GWO) and the Election Algorithm (EA). The results were compared with artificial neural network (ANN) method. The data used were randomly divided into two parts: 75% for calibration and 25% for test. The performance of the proposed methods was evaluated using the statistical indicators of coefficient of determination (R2), root mean square error (RMSE) and mean absolute error (MAE). The optimal length of the breakwaters according to the results of GWO and EA algorithms was 19.26 and 18.12 m, respectively. Moreover, the optimal distance between two consecutive breakwaters in the optimal state was calculated to be 52.56 m. On average, according to the results of the optimization, an increase of 28.4 and 35% in length and distance between two consecutive watersheds in Zanjanrood River should be done to be within the recommended design criteria. In comparison with two methods of EA algorithm and artificial neural network (ANN), based on statistical indicators, the results of GWO algorithm with values ​​of R2 = 0.96, RMSE 0.022 and MAE = 0.016 has a higher efficiency.