%0 Journal Article %T مقایسه برآورد ضریب بده جریان مدل فیزیکی سرریزهای فیوزگیت کنگره‌ای با مدل‌های هوشمند و آماری %J نشریه آبیاری و زهکشی ایران %I انجمن آبیاری و زهکشی ایران %Z 2008-7942 %A یاسی, مهدی %A غلامی, زکیه %D 2017 %\ 12/22/2017 %V 11 %N 5 %P 798-809 %! مقایسه برآورد ضریب بده جریان مدل فیزیکی سرریزهای فیوزگیت کنگره‌ای با مدل‌های هوشمند و آماری %K الگوریتم لونبرگ- مارکوآرت %K سرریزWLH %K شبکه عصبی مصنوعی ANN %K ظرفیت جریان %R %X سرریزهای فیوزگیت با توجه به نمای از بالا، به دو مدل تاج مستقیم و تاج کنگره­ای تقسیم می­شوند. سرریزهای فیوزگیت کنگره­ای شامل سه نوع: دریچه باریک با بار کم (NLH)، دریچه عریض با بار کم (WLH) و دریچه عریض با بار زیاد (WHH) می­باشند. در این تحقیق، تاثیر ارتفاع متفاوت چاهک سرریز فیوزگیت مدل WLH و شیب کف بر ضریب بده جریان از روی سرریز بررسی شده، و مقدار ضریب بده از مدل شبکه عصبی مصنوعی و از روش آماری همبستگی چند متغیره با نرم­افزار SPSS برآورد گردید، و با نتایج نظیر از آزمون مدل فیزیکی مقایسه شده است. همچنین، تحلیل حساسیت عوامل موثر بدون بعد بر ضریب بده جریان مورد آزمون قرار گرفت. برای پیش­بینی ضریب بده جریان در مدل شبکه عصبی، بهترین برازش از کاربرد الگوریتم لونبرگ-مارکوآرت به­عنوان تابع آموزش، تابع انتقال تانژانت سیگمویید برای لایه پنهان، و تابع خطی در لایه خروجی، بدست آمد. نتایج تحلیل حساسیت نشان داد که در میان پارامترهای بی­بعد، تاثیر بار آبی بالادست به ارتفاع جام، از سایر متغیرهای ورودی بیش­تر است. مقدار خطای نسبی برآورد ضرایب بده جریان از مدل آماری، حدود 30 درصد و شبکه عصبی کم­تر از 5 درصد می­باشد. از این­رو، مدل شبکه­ی عصبی ابزار مناسبی برای تخمین ضریب بده جریان در سرریزهای فیوزگیت به­شمار می­آید.  %U https://idj.iaid.ir/article_62660_97caae399f2ca701e8d217acb831a9f4.pdf