استفاده از شبکه عصبی مصنوعی و مدل درختی M5 برای تعیین ضریب دبی سرریز لبه پهن مستطیلی

سرریز لبه پهن سازه ای ساده برای اندازه گیری دبی جریان در کانال های انتقال آب است. ویژگی شکل آن و وزن زیاد آن باعث می شود تا اغلب به عنوان سرریز سدها نیز بکار رود. گاهی نیز این نوع سازه برای بدنه سد مد نظر قرار می گیرد. در این تحقیق توانایی شبکه عصبی مصنوعی و مدل درختی M5 در تخمین ضریب دبی (Cd) سرریز لبه پهن بررسی شده و نتایج این دو مدل با روش رگرسیون غیرخطی چند متغیره لجستیک قابل اعمال روی داده های گسسته مقایسه شده است. برای این کار چهار سری داده حاصل از تحقیقات متفاوت روی سرریزهای لبه پهن مستطیلی استفاده شده و پارامترهای بی بعد H1/L و H1/P به عنوان ورودی مدل ها در نظر گرفته شده و پارامتر هدف Cd به عنوان خروجی از مدل ها استخراج شده است. نتایج حاصله نشان داد که هر سه روش مذکور نتایج نسبتا دقیقی را جهت تخمین ضریب دبی سرریز لبه پهن ارایه می دهند (ANN: R=0.966 ، M5Rule: R=0.935 و Regression: R=0.84) ولی به دلیل ارایه روابط خطی ساده و قابل فهم توسط مدل درختی M5، این روش می-تواند به عنوان روشی کاربردی و جایگزین برای محاسبه ضریب دبی مد نظر قرار گیرد. همچنین H1/L مهمترین پارامتر دخیل در محاسبه ضریب دبی سرریز لبه پهن مستطیلی می باشد. تحلیل مدل درختی M5 نشان داد که 4 قانون با معادلات خطی متفاوت، الگوی تغییرات Cd را مدل می کند. تحلیل رگرسیون غیرخطی نشان داد که نقطه H1/L=0.22 محل تلاقی کلیه منحنی های تغییرات Cd به شمار می آید.