تخمين عمق حداكثر آب‌شستگي در پايين دست آب پايه تثبيت بستر با استفاده از روش ماشين هاي بردار پشتيبان

Prediction of maximum scour depth downstream of bed sills using Support Vector Machines

براي تثبيت بستر رودخانه هاي ناپايدار به‌ويژه در بازه هاي كوهستاني از سازه هاي كنترل شيب يا تثبيت بستر مانند شيب شكن، آب پايه، سدهاي كوچك و ... استفاده مي شود. براي طراحي صحيح و مطمين سازه هاي كنترل فرسايش در رودخانه ها، محاسبه عمق حداكثر آب‌شستگي در پايين دست اين سازه ها از اهميت خاصي برخوردار است. به‌همين دليل پژوهش‌گران همواره در تلاش بوده اند تا روابط ساده اي به فرم رگرسيون غيرخطي و با دقت قابل قبولي را به‌اين منظور ارايه نمايند. معمولاً دقت روابط رگرسيوني محدود بوده و فقط در شرايط آزمايش خاص خود داراي اعتبار هستند. دراين مقاله با استفاده از روش ماشين بردار پشتيبان، عمق حداكثر آب‌شستگي در پايين دست آب پايه تثبيت بستر محاسبه شده است. براي انجام اين كار، 226 داده آزمايشگاهي از پژوهش‌گران مختلف با شرايط هيدروليكي و رسوبي متفاوت مورد استفاده قرار گرفته است. مقايسه نتايج محاسبات در مرحله آزمون نشان داد كه روش ماشين ‌بردار پشتيبان با ضريب تبيين (R2) برابر 96/0، جذر ميانگين مربعات خطا (RMSE) برابر 539/0 و ميانگين خطاي مطلق (MAE) برابر 4/0 نسبت به روابط رگرسيوني پژوهش‌گران قبلي، دقت و كارايي مناسب تري دارد. همچنين مشخص شد كه از بين 5 پارامتر ورودي بدون بعد a/Hs، ، 0S، و ، سه پارامتر اول داراي اهميّت بيشتري براي مدل‌سازي عمق حداكثر آب‌شستگي در پايين دست آب پايه بوده و بقيه پارامترها قابل حذف مي باشند. واژه‌هاي كليدي: عمق حداكثر آب‌شستگي، آب پايه تثبيت بستر، روابط رگرسيوني، روش ماشين ‌بردار پشتيبان

Hydraulic grade-control structures (e.g. drops, bed sills, check dams, etc) have been widely used in rivers with low stability and high erosion especially in mountain streams. For proper and safe design, prediction of maximum scour depth downstream of grade-control structures in rivers has vital importance. For this reason, researchers have focused on developing simple and accurate empirical equations in form of non-linear regression models for predicting scour depth. However, accuracy of regression models is limited in general and they have good applicability just for their experimental data. In this paper, Support Vector Machines (SVM), in forecasting the scour depth downstream bed sills is applied. 226 experimental data sets from literatures with different hydraulic and sediment conditions and at clear-water scouring have been used. Comparison of results in testing phase showed that outcome from the support vector machines with coefficient of determination of 0.96, root mean square errors of 0.539 and mean absolute errors of 0.4 suggest a better performance to existing regression compared equations. Also, it is found that from 5 effective input dimensionless parameters including a/Hs, D50/Hs,, S0 0 and , only the first three parameters had greater effects on modeling maximum scour depth at bed sills and the remaining may be omitted. Keywords: Maximum scour depth, Bed sills, Regression equations, Support vector machines