پژوهش های کاربردی مهندسی آب

پژوهش های کاربردی مهندسی آب

تخمین ضریب دبی سرریزهای کلید پیانویی با استفاده از مدل‎های یادگیری ماشین

نوع مقاله : مقاله پژوهشی

نویسندگان
عباس پارسائی
مجتبی پیلی دزفولی
گروه مهندسی سازه‌های آبی، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.
10.22034/arwe.2025.2056091.1038
چکیده
در این پژوهش، ضریب دبی (Cd) سرریزهای کلید پیانویی با استفاده از مدل ماشین بردار پشتیبان (SVM) تخمین زده و سپس عملکرد آن با مدل شبکه عصبی پرسپترون چندلایه (MLPNN) مقایسه شد. برای این منظور، پارامترهای نسبت هد بالادست به ارتفاع سرریز (h⁄P)، نسبت عرض ورودی به خروجی (wi⁄wo)، طول کلید به عرض آن (Lcy⁄wcy) و تعداد کلیدها (N) به عنوان ورودی و Cd به عنوان خروجی در نظر گرفته شدند. قابل ذکر است که 80 درصد داده های گرداوری شده به آموزش و مابقی به صحت سنجی مدلها اختصاص داده شده است. نتایج نشان داد که حداقل مقدار شاخص آماری R2 و حداکثر مقدار RMSE مدل‌های مذکور در مرحله اعتبارسنجی به ترتیب R2=0.99 و RMSE=0.01 می‌باشد. مدل MLPNN توسعه داده شده دارای دو لایه پنهان که در لایه اول چهار نرون با تابع فعال سازی تانژانت سیگموئید و در لایه دوم، دو نرون با همان تابع فعال ساز است. هسته مدل SVM نوع شعاعی انتخاب شد. تحلیل حساسیت مدل‌های استفاده ‌شده، نشان داد که مهم‌ترین پارامترهای تأثیرگذار در مدل‌سازی و تخمین ضریب دبی، ho⁄P می‌باشند.
کلیدواژه‌ها
سرریزهای غیرخطی
ظرفیت دبی
مدل شبکه عصبی مصنوعی
نسبت بزرگنمایی
موضوعات

عنوان مقاله English

Estimating the discharge coefficient of piano key weirs using soft computing models

نویسندگان English

Abbas Parsaie
Mojtaba Pili-Dezfouli
Department of Hydraulic Structures Engineering, Faculty of Water and Environmental Engineering, Shahid Chamran University, Ahvaz, Iran.
چکیده English

In this study, the discharge coefficient (Cd) of piano key weirs was estimated using the Support Vector Machine (SVM) model, and its performance was subsequently compared with the Multilayer Perceptron Neural Network (MLPNN) model. For this purpose, the parameters of the upstream head-to-weir height ratio (h⁄P), the inlet-to-outlet width ratio (w_i⁄w_o), the key length-to-width ratio (L_cy⁄w_cy), and the number of keys (N) were considered as inputs, with Cd as the output. The results indicated that the minimum value of the R2 statistical index and the maximum value of the RMSE for the mentioned models during the validation phase were R2=0.99 and RMSE=0.01, respectively. The developed MLPNN model consisted of two hidden layers, with four neurons in the first layer and two neurons in the second layer, both utilizing the sigmoid tangent activation function. The SVM model employed a radial basis function (RBF) kernel. Sensitivity analysis of the models revealed that the most influential parameters in modeling and estimating the discharge coefficient were h_o⁄P.

کلیدواژه‌ها English

Artificial neural network model
Discharge capacity
Magnification ratio
Nonlinear weirs
Abhash, A., & Pandey, K. K. (2022). A review of piano key weir as a superior alternative for dam rehabilitation. ISH Journal of Hydraulic Engineering, 28(sup1), 541-551.
Alam, J., Muzzammil, M., & Raza, M. A. (2025). Prediction of coefficient of discharge (CPK) of A-type piano key weir using ANN and hybrid ANFIS models. Modeling Earth Systems and Environment, 11(3), 224.
Anderson, R. M., & Tullis, B. P. (2013). Piano key weir hydraulics and labyrinth weir comparison. Journal of Irrigation and Drainage Engineering, 139(3), 246-253.
Bijanvand, S., Asgharzadeh-Bonab, A., Parsaie, A., & Afaridegan, E. (2025). Enhanced prediction of discharge coefficients in Harmonic Plan Circular Weirs using advanced machine learning and ensemble techniques. Flow Measurement and Instrumentation, 102, 102812.
Daneshfaraz, R., Aminvash, E., Ghaderi, A., Abraham, J., & Bagherzadeh, M. (2021). SVM performance for predicting the effect of horizontal screen diameters on the hydraulic parameters of a vertical drop. Applied sciences, 11(9), 4238.
Daneshfaraz, R., Aminvash, E., Mirzaee, R., & Abraham, J. (2021). Predicting the energy dissipation of a rough sudden expansion rectangular stilling basins using the SVM algorithm. Journal of Applied Research in Water and Wastewater, 8(2), 98-106.
Haghiabi, A. H., Parsaie, A., & Ememgholizadeh, S. (2018). Prediction of discharge coefficient of triangular labyrinth weirs using Adaptive Neuro Fuzzy Inference System. Alexandria Engineering Journal, 57(3), 1773-1782.
Hamed, A. K., & Elshaarawy, M. K. (2025). Soft computing approaches for forecasting discharge over symmetrical piano key weirs. AI in Civil Engineering, 4(1), 6.
Hay, N., & Taylor, G. (1970). Performance and design of labyrinth weirs. Journal of the Hydraulics Division, 96(11), 2337-2357.
Khanh, M. H. T. (2013). The Piano Key Weirs: 15 years of research & development–prospect. Labyrinth and piano key weirs II, 3.
Khode, B. V., Tembhurkar, A. R., Porey, P. D., & Ingle, R. N. (2012). Experimental studies on flow over labyrinth weir. Journal of Irrigation and Drainage Engineering, 138(6), 548-552.
Leite Ribeiro, M., Bieri, M., Boillat, J. L., Schleiss, A. J., Singhal, G., & Sharma, N. (2012). Discharge capacity of piano key weirs. Journal of Hydraulic engineering, 138(2), 199-203.
Lempérière, F., & Ouamane, A. (2003). The Piano Keys weir: a new cost-effective solution for spillways. International Journal on Hydropower & Dams, 10(5), 144-149.
Mirkhorli, P., Ghaderi, A., MohammadNezhad, H., Mohammadi, M., & Kisi, O. (2025). Hydraulic Behavior and Energy Dissipation in Piano Key Weirs vs. Rectangular Labyrinth Weirs: A Comparative Study. Flow Measurement and Instrumentation, 102830.
Norouzi, R., Sihag, P., Daneshfaraz, R., Abraham, J., & Hasannia, V. (2021). Predicting relative energy dissipation for vertical drops equipped with a horizontal screen using soft computing techniques. Water Supply, 21(8), 4493-4513.
Parsaie, A. and Najafian, S. (2024). Mathematical Expression of Energy Dissipation of Flow over Stepped Spillways Using Genetic Programing. Applied Research in Water Engineering, 2(1), 97-110. doi: 10.22034/arwe. 2024. 2039932.1023
Parsaie, A., & Haghiabi, A. H. (2017). Support Vector Machine to predict the discharge coefficient of Sharp crested w-planform weirs. AUT Journal of Civil Engineering, 1(2), 195-204.
Yıldız, A., Marti, A. İ., & Göğüş, M. (2024). The hydraulic investigation of harmonic plan weirs. Flow Measurement and Instrumentation, 95, 102512.
 
پژوهش های کاربردی مهندسی آب
دوره 1، شماره 2
دی 1404
صفحه 239-248

  • تاریخ دریافت 15 بهمن 1404
  • تاریخ بازنگری 15 اسفند 1404
  • تاریخ پذیرش 25 اسفند 1404