TY - JOUR ID - 87275 TI - بررسی روند تأثیرات پارامترهای هیدرولیکی و رسوبی بر میزان انتقال بار بستر با استفاده از همبستگی‌های آماری و روش‌های یادگیری ماشین JO - تحقیقات آب و خاک ایران JA - IJSWR LA - fa SN - 2008-479X AU - روشنگر, کیومرث AU - جولازاده, سمیرا AD - استاد گروه مهندسی آب، دانشکده عمران دانشگاه تبریز، تبریز، ایران AD - کارشناس ارشد مهندسی آب و سازه‌های هیدرولیکی, دانشکده عمران دانشگاه تبریز, تبریز, ایران Y1 - 2022 PY - 2022 VL - 53 IS - 1 SP - 99 EP - 112 KW - پیش‌بینی رسوب KW - همبستگی آماری KW - روابط تجربی KW - ماشین بردار پشتیبان KW - رگرسیون فرآیند گاوسی DO - 10.22059/ijswr.2022.333131.669123 N2 - در مهندسی هیدرولیک و رودخانه، بارهای جامد رسوبی نقش اساسی را در تعیین رفتار رودخانه و کنترل مورفولوژی دارند؛ به همین دلیل ارزیابی و برآورد صحیح انتقال بار جامد رسوبی از دیرباز یکی از مسائل عمده و اصلی در علوم مرتبط با مهندسی رودخانه و محیط‌زیست می­باشد. هدف از این تحقیق برآورد میزان انتقال بار بستر در 19 رودخانه با بستر شنی می‌باشد. بدین منظور، ابتدا روند همبستگی آماری بین پارامتر انتقال رسوب (دبی بار بستر) و پارامترهای هیدرولیکی و رسوبی (دبی جریان، عمق جریان، سرعت متوسط جریان، قطر متوسط ذرات رسوب، عدد فرود و...) بررسی شده و دبی بار بستر به‌صورت تابع رگرسیونی تک‌متغیره برآورد می‌شود. مطابق نتایج ارائه شده به یک همبستگی مطلوبی بین پارامتر انتقال رسوب و پارامترهای هیدرولیکی و رسوبی رسیده شد و نتایج نشان داد این روابط رگرسیون ساده در اکثر رودخانه­ها از دقت قابل­قبولی برخوردار بوده است. ثانیاً، عملکرد 10 رابطه تجربی در پیش­بینی بار بستر مورد بررسی قرار گرفت. همة فرمول­ها از نتایج خیلی ضعیفی برخوردار بوده­اند؛ به همین دلیل پارامتـرهای مربوط به فرمول­هایی که نتایج نسبتاً بهتری نسبت به فرمول­های دیگر داشته­اند، انتخاب شده و به‌منظور افزایش دقت برآورد، بار دیگر با استفاده از دو روش یادگیری ماشین مبتنی بر کرنل: ماشین بردار پشتیبان (SVM)، رگرسیون فرآیند گاوسی (GPR) مدل­سازی انجام شد. نتایج حاصله نشان داد روش­های ماشینی از دقت قابل­قبولی در پیش­بینی بار بستر برخوردار بوده‌اند و مدل مربوط به پارامترهای فرمول بگنولد که شامل پارامترهای قدرت جریان، عمق جریان و قطر متوسط ذرات رسوب می‌باشد، با دارا بودن ضریب همبستگی و شاخص نش - ساتکلیف به ترتیب برابر 923/0R= و 851/0 NSE=برترین مدل حاصل از روش‌های ماشینی می‌باشد. UR - https://ijswr.ut.ac.ir/article_87275.html L1 - https://ijswr.ut.ac.ir/article_87275_d9528d6717637e89a0949a2992d889a8.pdf ER -