تخمين ضريب دبي در سرريزهاي لبه پهن مركب با استفاده از رگرسيون، برنامه ريزي ژنتيك و شبكه عصبي

Regression Analysis, Genetic Programming and ANN to Predict Discharge Coefficient of Compound Broad Crested Weir

سرريزهاي لبه پهن مركب داراي يك لبه كوچك با مقطع مستطيلي براي اندازه گيري جريان هاي كم هستند كه اين لبه در ارتفاعي بالاتر به منظور اندازه گيري جريان هاي زياد عريض مي شود. نتايج ارايه شده در تحقيق حاضر در طراحي سازه هاي كنترل كننده و اندازه گيري كننده جريان استفاده مي شود. در اين مقاله مجموعه اي از آزمايشات به منظور بررسي تاثير طول سرريز و ارتفاع لبه پاييني سرريز لبه پهن مستطيلي بر روي مقادير ضريب دبي انجام شد. از اين رو 15 مدل مختلف از سرريزهاي لبه پهن با مقطع مستطيلي براي محدوده وسيعي از مقادير دبي آزمايش شدند. همچنين معادلات رگرسيوني چندگانه بر اساس تيوري آناليز ابعادي براي محاسبه ضريب دبي انجام شد. نتايج حاصل با نتايج بدست آمده از GP و شبكه عصبي مقايسه و مشاهده شد كه شبكه عصبي در تخمين ضريب دبي از GP ضعيف تر عمل مي كند. از طرفي استفاده از مدل GP معادله ي متفاوتي را براي ضريب دبي پيشنهاد مي كند.

Compound broad-crested weir, have a small inner rectangular section for measuring low flows and then, they broaden to a wide rectangular section at higher flow depths. This paper presents data that will be of use in the design of hydraulic structures for flow control and measurement. A series of laboratory experiments was performed in order to investigate the effects of length of the lower weir crest and step height of broad-crested weirs of rectangular compound cross section on the values of the discharge coefficient. For this purpose, 15 different broad-crested weir models with rectangular compound cross sections for a wide range of discharges tested. Multiple regression equations based on dimensional analysis theory were developed for computing discharge coefficient. The results of compound broad-crested weirs were compared with Genetic programming (GP) and Artificial neural network (ANN) and it was found that the ANN formulation of the problem of solving for the discharge coefficient is less successful than that by GP. The implementation of GP offers another formulation for discharge coefficient.