بررسی تأثیر فشردگی جریان بر ضریب دبی دریچه سالونی با استفاده از ماشین بردار پشتیبان

نوع مقاله : مقاله پژوهشی

نویسندگان

گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران.

10.22059/jwim.2025.392612.1217

چکیده

یکی از عوامل مهم و تأثیرگذار بر عملکرد سامانه‌های انتقال و توزیع آب، نوع سازه و عملکرد آن‌ها می‌باشد. یکی از این سازه‌ها، دریچه سالونی است که ضریب دبی آن عامل مهمی در برآورد میزان دبی عبوری است. در این پژوهش، پس از تحلیل ابعادی و شناسایی عوامل مؤثر شامل زاویه بازشدگی، نسبت استغراق (نسبت عمق پایین‌دست به عمق بالادست) و نسبت بازشدگی (نسبت بازشدگی دریچه به عرض کانال)، با استفاده از ماشین بردار پشتیبان ضریب دبی دریچه سالونی در حالت بهره‌برداری نیمه‌باز بافشردگی و بدون فشردگی و مستغرق پیش‌بینی شد. برای این منظور، یک مدل پیش‌بینی مبتنی بر ماشین بردار پشتیبان با استفاده از داده‌های آزمایشگاهی و عددی برای تخمین ضریب دبی دریچه سالونی تحت شرایط جریان مستغرق توسعه داده شد. لذا، 70 درصد داده‌ها برای آموزش و 30 درصد داده‌ها برای آزمون استفاده شد. پس از بهینه‌سازی پارامترهای ماشین بردار پشتیبان با استفاده از روش‌های سیستماتیک، مدل‌های مختلف با ترکیب‌های متفاوتی از پارامترهای ورودی ارزیابی شد. نتایج نشان داد که مدل بهینه با استفاده از نسبت استغراق و نسبت بازشدگی به‌عنوان عوامل ورودی اصلی، بالاترین دقت را با ضریب همبستگی 984/0 و ریشه میانگین مربعات خطای  006/0 ارائه می‌دهد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Investigating Effect of Flow Contraction on Discharge Coefficient of Lopac Gates Using Support Vector Machines

نویسندگان [English]

  • Kazem Shahverdi
  • Sharareh yari
Department of Water Science and Engineering, Faculty of Agriculture, Bu-Ali Sina University, Hamedan, Iran.
چکیده [English]

One of the main important and influential factors on the performance of water conveyance and distribution systems is the type of structure and its performance. The LOPAC gate is one of these structures, whose discharge coefficient is a key factor in estimating the flow rate. In this research, after dimensional analysis and identifying the effective parameters, including the opening angle, submergence ratio (the ratio of downstream depth to upstream depth), and opening ratio (the ratio of LOPAC gate opening to canal width), the discharge coefficient of a LOPAC gate under semi opened submerged operating conditions with and without contraction was predicted using a support vector machine (SVM). To this end, a support vector machine-based prediction model was developed using experimental and numerical data to estimate the discharge coefficient of a Sluice gate under submerged flow conditions. Thus, 70% of the data was used for training and 30% for testing. After optimizing the support vector machine parameters using systematic methods, different models with varying input parameter combinations were evaluated. The results showed that the optimal model using the submergence ratio and opening ratio as the main input factors provided the highest accuracy with a correlation coefficient of 0.984 and a root mean square error of 0.006.

کلیدواژه‌ها [English]

  • Discharge Coefficient
  • Lopac Gate
  • Submerged Flow
  • Support Vector Machine

مراجع

  1. Alirezazadeh sadaghiyani, A., Mohammadi, M., Galvani, M., & Vaheddoost, B. (2022). On the Prediction of Discharge Coefficient for Sluice Gates under Submerged Flow Conditions using Soft Computing Techniques. Journal of Modeling in Engineering, 20(71), 1-12.
  2. Cortes, C., & Vapnik, V. (1995). Support-vector networks. Machine learning, 20, 273-297.
  3. Cristianini, N., & Shawe-Taylor, J. (2007). Support vector and kernel methods. Intelligent Data Analysis: An Introduction, Springer, 169-197.
  4. Gunn, S. R. (1998). Support vector machines for classification and regression. ISIS technical report, 14(1), 5-16.
  5. Karami, H., Karimi, S., Rahmanimanesh, M., & Farzin, S. (2017). Predicting discharge coefficient of triangular labyrinth weir using support vector regression, support vector regression-firefly, response surface methodology and principal component analysis. Flow measurement and instrumentation, 55, 75-81.
  6. Kheybar, H., Sajjadi, S. M., & Ahadiyan, J. (2021). Effect of sudden canal contraction on the discharge coefficient and the energy dissipation coefficient of the elliptical LOPAC gate. Irrigation and Drainage, 70(5), 1145-1154.
  7. Naghaee, R. (2015). Development of ICSS Hydrodynamic Model For Simulation of LOPAC Gate. MSc, Tarbiat Modares University (TMU), Tehran (In Persian).
  8. Naghaei, R., & Monem, M. (2016). Development of a mathematical model of Lopac gates in accordance with the ICSS hydrodynamic model. Journal of Irrigation and Drainage Engineering, 142(10), 04016043.
  9. Naghaei, R., Monem, M. J., & Hashemy Shahedany, S. M. (2016). Evaluating Various Hydraulic and Operation Conditions of Lopac Gate and Developing its Mathematical Model in Accordance with the ICSS Hydrodynamic Model. Iranian Journal of Irrigation & Drainage, 10(1), 24-35 (In Persian).
  10. Noorali, A., Shahverdi, K., & Marofi, S. (2024). Investigating nitrate change with hybrid modeling along a mountain river. Water and Irrigation Management, 14(3), 697-708.
  11. Norouzi, R., Daneshfaraz, R., & Ghaderi, A. (2019). Investigation of discharge coefficient of trapezoidal labyrinth weirs using artificial neural networks and support vector machines. Applied Water Science, 9, 1-10.
  12. Pilbala, A., Sajjadi, S., & Bejestan, M. S. (2021). Hydraulic performance of elliptical-LOPAC gate under submerged flow conditions. Ain Shams Engineering Journal, 12(1), 317-326.
  13. Pilbala, A., Shafai Bejestan, M., Sajjadi, S. M., & Fraccarollo, L. (2023). Investigation of the Different Models of Elliptical-Lopac Gate Performance under Submerged Flow Conditions. Water Resources Management, 37(9), 3527-3542.
  14. Roushangar, K., Alami, M., & Majedi Asl, M. (2017). Determination of Labyrinth and Arced Labyrinth Weirs Discharge Coefficients Using Support Vector Regression. Water and Soil Science, 27(1), 173-186. (In Persian)
  15. Shafai-Bajestan, M., Kazemi Hasanvand, K., & Zeinivand, M. (2024). Numerical Study of the Effect of Gradual Parabolic Inlet Transition of the Elliptical LOPAC Gate on the Hydraulic Conditions of the Flow. Irrigation Sciences and Engineering, 47(3), 1-17. (In Persian)
  16. Shahverdi, K. (2025). Supervised learning to manage irrigation canals’ operation. Water and Irrigation Management, 14(4), 1005-1018. (In Persian)
  17. Yousofvand, F., Monem, D. M., & Kavianpour, M. R. (2018). Estimating flow And discharge Coefficient Equations for Lopac Gate In Submerged Condition, Based on the Momentum Equation. Iranian Water Researches Journal, 12(2), 51-58. (In Persian)
مدیریت آب و آبیاری
دوره 15، شماره 3
آذر 1404
صفحه 497-508

فایل ها

هم رسانی

ارجاع به این مقاله

آمار