سرریز کنگره‌ای شبه‌کسینوسی و بررسی ضریب دبی آن با استفاده از رویکرد شبیه‌سازی-پیش‌بینی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری سازه های آبی، گروه مهندسی آب دانشگاه تبریز

2 استادیار گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

3 استادیار گروه مهندسی کامپیوتر دانشگاه بناب

4 استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، ایران

چکیده

سرریزهای کنگره‌ای به‌عنوان گزینه‌ای مناسب برای اصلاح سرریزهایی که برای عبور دبی ماکزیمم محتمل با مشکل روبرو هستند، مطرح می‌شوند. در همین راستا، در پژوهش حاضر، سرریزی جدید با نام سرریز کنگره‌ای شبه‌کسینوسی معرفی شده است. ابتدا مدل‌هایی با عرض‌ها و ارتفاع‌های مختلف در نرم‌افزار FLUENT به عنوان یک آزمایشگاه مجازی ساخته شده، دبی و عمق جریان بالادست برای محاسبه‌ی ضریب دبی برداشت، و در ادامه به پیش‌بینی ضریب دبی سرریز کنگره‌ای شبه‌کسینوسی با استفاده از روش ترکیبی نوین بر مبنای الگوریتم آنتی‌کرونا- سیستم استنتاج عصبی-فازی (ACVO-ANFIS)، پرداخته شد. صحت‌سنجی روش پیشنهادی با استفاده از داده‌های آزمایشگاهی انجام شد. در ادامه به‌منظور شناسایی مدل برتر و تعیین پارامترهای مؤثر بر ضریب دبی سرریز کنگره‌ای شبه‌کسینوسی، ترکیب پارامترهای بی‌بعد مختلف مورد ارزیابی قرار گرفت. عملکرد روش پیشنهادی با پنج آماره، شامل ضریب تبیین (R2)، جذر میانگین مربعات خطا (RMSE)، میانگین مطلق خطاهای پیش‌بینی (MAPE)، معیار کارایی (NSE) و جذر میانگین مربعات خطای نسبی (RRMSE)، ارزیابی شد. نتایج نشان داد در بار‌های هیدرولیکی کم، ضریب دبی بیش‌ترین مقدار خود را دارا می‌باشد. با افزایش شعاع انحناء قطاع نیم‌دایره‌ای، به‌دلیل افزایش طول مؤثر کنگره‌ها، ضریب دبی افزایش می‌شود. با افزایش ارتفاع سرریز، در یک H/W ثابت، ضریب دبی افزایش یافت. نتایج مدل ACVO-ANFIS نشان داد متغیرهای ورودی نسبت شعاع انحناء قطاع نیم‌دایره‌ای به ارتفاع سرریز (R/W)، نسبت طول سرریز به ارتفاع آن (L/W) و نسبت بار آبی به ارتفاع سرریز (H/W)، با مقادیر خطای R2=0.971, RMSE=00.9, MAPE=0.006, RRMSE=0.010, NSE=0.977، تأثیرگذارترین پارامترها در برآورد ضریب دبی سرریزهای کنگره‌ای شبه‌کسینوسی می‌باشند.

کلیدواژه‌ها

عنوان مقاله [English]

Pseudo-Cosine Labyrinth Weir and Investigation of Its Discharge Coefficient Using Simulation-Prediction Approach

نویسندگان [English]

  • Somayeh Emami 1
  • Javad Parsa 2
  • Hojjat Emami 3
  • Akram Abbaspour 4
1 Ph.D. Candidate of Hydraulic Structures, Water Engineering Department of Tabriz
2 Assistant Professor, Department of Water Engineering, University of Tabriz, Tabriz, Iran
3 Assistant Professor of Computer Engineering, University of Bonab
4 Assistant Professors, Department Water Engineering, University of Tabriz., Tabriz., Iran
چکیده [English]

Labyrinth weirs are considered as an appropriate choice to correct the weirs that are having difficulty in passing the maximum possible flow. For this purpose, in the present study, a new weir was introduced called the of pseudo-Cosine labyrinth weir. First, models with different widths and heights were built in FLUENT software as a virtual laboratory. The anti-corona algorithm and adaptive neuro-fuzzy inference system (ACVO-ANFIS) were used for predicting discharge coefficient. of pseudo-Cosine labyrinth weir. Validation of the proposed method was performed using Experimental data. Then, to identify the superior model and determine the parameters affecting the discharge coefficient of pseudo-cosine labyrinth weir, the combination of different dimensionless parameters was evaluated. The performance of the proposed method was evaluated with five statistics, including determination coefficient (R2), root means squared error (RMSE), mean absolute percentage error (MAPE), nash-sutcliffe (NSE), and relative root mean square error (RRMSE). The results showed that in low hydraulic heads, the discharge coefficient has its highest value. As the radius increases, the discharge coefficient increases due to the increase in the effective length of the labyrinths. At a constant H/W, with increasing weir height, the discharge coefficient increased. The results of the ACVO-ANFIS model showed that the input variables are the ratio of the radius to the weir height (R/W), the ratio of the length of the weir to weir height (L/W), and the ratio of the hydraulic head to the weir height (H/W), with error values R2=0.971, RMSE=00.9, MAPE=0.006, RRMSE=0.010, and NSE=0.977, the most effective parameters in determining the discharge coefficient of pseudo-cosine labyrinth weirs.

کلیدواژه‌ها [English]

  • Anti-corona Algorithm
  • Neuro-Fuzzy Inference System
  • Prediction
  • FLUENT

مراجع

اژدری مقدم، م. و جعفری ندوشن، ا. 1392. طراحی هیدرولیکی سرریزهای کنگره‌ای ذوزنقه‌ای با استفاده از هیدرودینامیک محاسباتی. مجله علمی پژوهشی عمران مدرس. 13(2): 1-12.
اعظمی، س. 1394. طراحی هیدرولیکی سرریز نیلوفری با استفاده از نرم‌افزار Flow-3d. پایان‌نامه کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه سمنان.
امامی، س. 1395. بررسی عددی تأثیر پارامترهای هندسی سرریز منقاری بر ضریب دبی جریان. پایان‌نامه کارشناسی ارشد، دانشکده کشاورزی، دانشگاه تبریز.
امامی، س.، ارونقی، ه. و پارسا، ج. 1396. پیش‌بینی تراوش از بدنه سد خاکی با استفاده از شبکه عصبی مصنوعی (مطالعه موردی سد شهید کاظمی بوکان). نشریه علمی پژوهشی سد و نیروگاه برق‌آبی. 14(4): 24-34.
امامی، س.، پارسا، ج. و امامی، ح. 1399. برآورد ضریب دبی سرریزهای کنگره ای پلان منحنی با روش ترکیبی WOA-ANFIS. نشریه آبیاری و زهکشی ایران. 14(5): 1664-1676.
تکرلی، ف. 1394. بهینه‌سازی ضریب دبی سرریز چند شکافه با استفاده از الگوریتم ژنتیک. پایان‌نامه کارشناسی ارشد، دانشکده کشاورزی، دانشگاه بوعلی سینا همدان.
جامی‌فر، ف.، تکاوندی، ع. ر.، فغفورمغربی، م. و بینا، ک. 1396. بررسی پروفیل سطح آب در سرریزهای کنگره‌ای. دوازدهمین سمپوزیوم پیشرفت‌های علوم و تکنولوژی کمیسیون چهارم: سرزمین پایدار یافته‌های نوین در مهندسی عمران و محیط‌زیست، مشهد.
حیدری، م.، دوستی، م. و صفری، ح. 1394. بهینه‌سازی ضریب جریان سرریزهای زیگزاگی ذوزنقه‌ای با استفاده از الگوریتم هوشمند تبرید تدریجی. دهمین سمینار بین‌المللی مهندسی رودخانه، دانشگاه شهید چمران، اهواز.
زادقربان، م.، مسعودیان، م.، اسمعیلی ورکی، م. و قره‌گزلو، م. 1397. بررسی تأثیر زبری سرریز استوانه‌ای روی خصوصیات جریان. مجله علوم و مهندسی آبخیزداری ایران. 12(40): 69-80.
زاهدی، ح. 1391. مطالعه تأثیر تغییر هندسه سرریز و افزایش تعداد سیکل بر ضریب تخلیه سرریزهای جانبی منقاره‌ای و نیم‌دایره‌ای. پایان­نامه کارشناسی ارشد، دانشگاه فردوسی مشهد، دانشکده کشاورزی و منابع طبیعی.
شفیعی، ش. ا.، نجارچی، م. و شعبانلو، س. 1399. تخمین ضریب دبی سرریزهای کنگره‌ای توسط مدل‌های نوین هوش مصنوعی. مجله علمی-پژوهشی مهندسی عمران مدرس. 20(1): 161-171.
صالحی، س. و اسماعیلی، ک. 1398. تأثیر پارامترهای هیدرولیکی مؤثر در عملکرد سرریز نیم سیکل کسینوسی نسبت به سریز مستطیلی. مهندسی عمران شریف. 2(1): 3-12.
ضمیری، ا. 1396. تلفیق مدل عددی و الگوریتم هوشمند به‌منظور پیش‌بینی ضریب آبگذری سرریز کنگره‌ای. پایان‌نامه کارشناسی ارشد، دانشکده مهندسی عمران، گرایش مهندسی و مدیریت منابع آب، دانشگاه سمنان.
فیلی، ج.، حیدر نژاد، م.، کمان‌بدست، ا. ع.، مسجدی، ع. ر. و اسدی لور، م. 1399. بررسی آزمایشگاهی ضریب دبی در سرریزهای کنگره‌ای قوسی ذوزنقه‎ای با شعاع قوس و طول سیکل متفاوت. تحقیقات آب و خاک ایران. 51(5): 1115-1126.
قدسیان، م. و شنوایی، ح. 1379. تأثیر طول تاج بر ضریب آبگذری در سرریزهای کنگره­ای مثلثی با شکل تابع ربع دایره. چهارمین کنفرانس سدسازی ایران، تهران.
کیاء، ع.، عمادی، ع. ر.، غلامی سفیدکوهی، م. ع. 1398. مدل‌سازی بارش-رواناب با سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) و رگرسیون خطی چندمتغیره (MLR). نشریه مهندسی آب و آبیاری ایران. 9(4): 39-51.
محمدی، م. و یاسی، م. 1386. بررسی سرریزهای زیگزاگی با پلان قوسی. مجله علوم و فنون کشاورزی و منابع طبیعی. 11(41 الف): 1-12.
نبی‌زاده، م.، مساعدی، ا.، حسام، م.، دهقانی، ا. ا.، ذاکری نیا، م. و مفتاح هلقی، م. 1390. پیش­بینى جریان رودخانه با استفاده از سامانه استنتاج فازى (FIS)  و سامانه استنتاج فازى-عصبى تطبیقی (ANFIS). علوم و مهندسى آبخیزدارى ایران. 5(17): 7-14.
Bonakdari, H., Ebtehaj, I., Gharabaghi, B., Sharifi, A. and Mosavi, A. 2020. Prediction of discharge capacity of labyrinth weir with gene expression programming. In Proceedings of SAI Intelligent Systems Conference. 202-217. 
Bilhan, O., Emiroglu, M. E., Miller, C.J. and Ulas, M. 2019. The evaluation of the effect of nappe breakers on the discharge capacity of trapezoidal labyrinth weirs by ELM and SVR approaches. Flow Measurement and Instrumentation. 64: 71-82.
Emami, S., Arvanaghi, H. and Parsa, J. 2018. Numerical investigation of geometric parameters effect of the labyrinth weir on the discharge coefficient. Journal of Rehabilitation in Civil Engineering. 6(1): 1-9.
Emami, S., Parsa, J., Emami, H. and Abbaspour, A. 2021. An ISaDE algorithm combined with support vector regression for estimating discharge coefficient of W-planform weirs. Water Supply. 21(7): 3459–3476.
Emami, H. 2022. Anti coronavirus optimization algorithm: A socioinspired meta-heuristic for numerical and engineering optimization problems. Soft Computing. doi: https://doi.org/10.21203/rs.3.rs-307750/v1.
Emiroglu, E. and Kisi, O. 2013. Prediction of discharge coefficient for trapezoidal labyrinth side weir using a neuro-fuzzy approach. Water resources management. 27(5): 1473-1488.
Gupta, K.K., Kumar, S. and Ahmad, Z. 2015. Effect of weir height on flow performance of sharp crested rectangular-planform weir. World Applied Sciences Journal. 33(1): 168-175.
Haghiabi, A. H., Parsaie, A. and Ememgholizadeh, S. 2018. Prediction of discharge coefficient of triangular labyrinth weirs using Adaptive Neuro Fuzzy Inference System. Alexandria Engineering Journal. 57(3): 1773-1782.
Henderson, F.M. 1966. Open Channel flow. Macmillan Publishing, New York.
Jang, J.S.R. 1993. ANFIS: adaptive-network-based fuzzy inference system. IEEE Trans Syst Manage Cybernet. 23(3): 665–685.
Kisi, O., Haktanir, T., Ardiclioglu, M., Ozturk, O., Yalcin, E. and Uludag, S. 2009. Adaptive neuro-fuzzy computing technique for suspended sediment estimation. Advances in Engineering Software. 40: 438-444.
Lux, F.L. and Hinchcliff, D. 2003. Design and construction of labyrinth spillways. International Congress on Large Dams. ICOLD Paris France. 4(15): 249-274.
Karami, H., Karimi, S. and Bonakdari, H. 2016. Predicting discharge coeficient of triangular labyrinth weir using extreme learning machine, artificial neural network and genetic programming. Neural Computing and Applications. 29: 983-989.
Kumar, S., Ahmad, Z., Mansoor, T. and Himanshu, S.K. 2012. Discharge characteristics of sharp crested weir of curved plan-form. Research Journal of Engineering Science. 1(4): 16-20.
Novak, P., Guinot, V., Jeffrey, A. and Reeve, D.E. 2010. Hydraulic modelling- an introduction, Spon Press, an Imprint of Taylor & Francis, London and New York, p. 599.
Safarrazavi Zadeh, M., Esmaeili Varaki, M. and Biabani, R. 2019. Experimental study on flow over sinusoidal and semicircular labyrinth weirs. ISH Journal of Hydraulic Engineering. 27(1): 304-313.
Shafiei, S., Najarchi, M. and Shabanlou, S. 2020. A novel approach using CFD and neuro-fuzzy-firefly algorithm in predicting labyrinth weir discharge coefficient. Journal of the Brazilian Society of Mechanical Sciences and Engineering. 42(1): 1-19.
نشریه آبیاری و زهکشی ایران
دوره 16، شماره 2 - شماره پیاپی 92
خرداد و تیر 1401
صفحه 319-332

فایل ها

هم رسانی

ارجاع به این مقاله

آمار