ارزیابی عملکرد مدل برنامه ریزی بیان ژن و شبکه عصبی مصنوعی در برآورد پارامترهای هیدرولیکی سرریز پلان مثلثی

هدف از این تحقیق، ارایه یک رابطه برای تعیین ضریب دبی سرریزهای لبه تیز پلان مثلثی است که در نهایت یک رابطه رگرسیونی با استفاده از داده های آزمایشگاهی بر اساس پارامترهای h/p و α با دقت زیاد ارایه شد. برای این منظور از دو مدل هوش مصنوعی ANN و GEP و نیز دو روش رگرسیونی MR-linear  و MR-nonlinear در تخمین پارامتر بی بعد h/p و رابطه دبی - اشل این سرریزها استفاده شد. ارزیابی نتایج به دست آمده با استفاده از معیارهای آماری R2، RMSE، NSE و RE% انجام گردید. مقادیر معیارهای آماری R2، RMSE، NSE و RE% به ترتیب 998/0، 0076/0، 997/0 و %74/1 برای مدل ANN، 983/0، 0301/0، 998/0 و% 86/6 برای مدل GEP،986/0، 0196/0، 985/0 و% 09/4 برای مدل MR-linear  و 987/0، 0197/0، 984/0 و % 09/4 برای مدل MR-nonlinear به دست آمد. نتایج معیارهای آماری، برتری ANN نسبت به سایر روش ها را نشان می دهد. علاوه بر این، نتایج نشان داد که در سرریزهای پلان مثلثی بسته به زاویه قرارگیری، مقدار ضریب دبی جریان 1 الی 8 درصد نسبت به سرریزهای هم عرض کانال افزایش می یابد. ضمنا در شرایطی که بار آبی روی تاج  این سرریز ها کم باشد، کارایی بهتری از خود نشان خواهند داد.