استفاده از تكنيك ماشين بردار پشتيبان در پيش بيني ابعاد چاله ي آبشستگي پايين دست يك پرتابه ي جامي شكل

Using Support Vector Machine to Predict Scour Hole Dimensions Downstream of a Ski-jump Bucket

در اين مقاله ، با توجه به اهميت تعيين ابعاد چاله آبشستگي پاييندست سازههاي هيدروليكي، با استفاده از دادههاي آزمايشگاهي ارايه شده در مطالعات ساير محققين ، اقدام به بررسي كارايي برخي رابطههاي تجربي رايج جهت تخمين عمق چاله آبشستگي گرديد. با توجه به پيچيدگي و غيرخطي بودن پديده مورد بررسي، از مدل ماشين بردار پشتيبان (SVM) براي پيشبيني ابعاد چاله آبشستگي در دو حالت بي بعد و با بعد استفاده شد.؛ سپس با استفاده از دو معيار ضريب تبيين و ريشهي متوسط مربع خطا ، نتايج حاصل از روشهاي تجربي و روش SVM مورد ارزيابي قرار گرفتند. نتايج اين تحقيق نشان داد كه رابطههاي تجربي در محدوده ي خاصي از دادههاي ورودي دقت زيادي ندارند و از آنها بايد با احتياط استفاده شود. همچنين يافته‌هاي به دست آمده از مدل SVM در دو حالت بررسي شده، بيانگر دقت قابل قبول اين مدل در تخمين پارامترهاي چاله ي فرسايشي بود؛ به طوري كه نتيجهي مدل بهينه يSVM توسعه داده شده، مقادير ضريب تبيين 896/0، 86/0 و 83/0 را به ترتيب براي عمق، عرض و طول چاله فرسايشي بود. در نهايت مقايسهي نتايج اين تحقيق با نتايج ارايه شده ي روش شبكه عصبي مصنوعي (ANN) در ديگر مراجع، نشان داد كه هر دو روش با عملكرد تقريبا مشابه، داراي دقت مطلوبي هستند.

Concerning the significance of the local scour downstream of hydraulic structures, this study aimed at evaluating the performance of some conventional empirical equations developed to predict the scour depth. The experimental data were collected from various sources and two distinct support vector machine (SVM) models were developed to predict the scour dimensions using the casual parameters and dimensionless parameters. Two error measures, the coefficient correlation and mean square error, were applied to compare the results. The results showed that the empirical formulas had low accuracy in scour depth prediction while the SVM models could satisfactorily predict the scour dimensions. In the latter, the correlation coefficients for cases of depth, width and length prediction were 0.896, 0.86 and 0.83, respectively. Therefore, the SVM model is recommended to be employed to predict the local scour downstream of ski-jump buckets.