| پیش‌بینی سطوح آسیب کاویتاسیون در سرریز سدها با استفاده از یادگیری عمیق: مطالعه موردی |
| کد مقاله : 1003-CONFIHA-FULL |
| نویسندگان |
|
کاظم شاهوردی *1، ساقی باقرزاده2، شراره یاری3 1استادیار گروه علوم و مهندسی آب دانشگاه بوعلی سینا 2دانشگاه باهنر 3دانشگاه بوعلی |
| چکیده مقاله |
| پدیده کاویتاسیون در سرریزهای اوجی یکی از عوامل مهم تهدیدکننده ایمنی و کاهش عمر مفید سازه‌های هیدرولیکی به شمار می‌رود. در این پژوهش، یک مدل یادگیری عمیق مبتنی بر شبکه عصبی پرسپترون چندلایه برای پیش‌بینی سطوح مختلف آسیب کاویتاسیون در سرریز سد گلورد نکا توسعه داده شد. به‌منظور بهینه‌سازی عملکرد مدل، تاثیر نحوه تقسیم‌بندی داده‌ها، الگوریتم آموزش، تابع فعال‌سازی و نرخ یادگیری بررسی گردید. نتایج نشان داد که تقسیم داده‌ها به‌ترتیب به میزان ۷۰، ۱۵ و ۱۵ درصد برای آموزش، اعتبارسنجی و آزمون، همراه با الگوریتم لوونبرگ–مارکوارت، تابع فعال‌سازی تانژانت سیگموئید در لایه‌های مخفی و نرخ یادگیری ۰٫۰۰۱، بهترین عملکرد را فراهم می‌کند. مدل نهایی با سه لایه مخفی شامل ۱۰، ۸ و ۵ نورون، ضریب همبستگی ۰٫۹۹۸ در آموزش و ۰٫۹۹۶ در آزمون و مقادیر RMSE برابر با ۰٫۰۱۵۸ و ۰٫۰۲۸ را به‌دست آورد. همچنین، برتری مدل یادگیری عمیق نسبت به ماشین بردار پشتیبان و شناسایی ناحیه بحرانی سرریز از ایستگاه 90 متر به بعد تأیید شد. |
| کلیدواژه ها |
| پیش‌بینی آسیب، شبکه عصبی، کاویتاسیون، یادگیری عمیق |
| وضعیت: پذیرفته شده برای ارائه شفاهی |
