محسن نصرآبادی

تعیین ضرایب مقاومت و کاهش عدم قطعیت در انتخاب این پارامتر یکی از مهمترین عوامل دستیابی به مشخصات جریان در رودخانه‌ها و آبراهه‌های روباز است. از این رو، انتخاب مطلوب ضریب زبری در شرایط مختلف مانند وجود پوشش گیاهی از جمله موضوعات موردتوجه پژوهشگران بوده است. تحقیقات در مورد بررسی ضریب مانینگ در حضور پوشش گیاهی و همچنین بار بستر در جریان متغیر تدریجی محدود است. در این پژوهش، ابتدا ضریب زبری مانینگ در یک فلوم آزمایشگاهی با حضور آرایش‌های مختلف پوشش گیاهی در حضور و عدم حضور بار بستر تعیین شد. سپس توانایی پنج مدل هوشمند شامل GMDH، ANN-RBF،RT ، ANFIS و ANFIS-PSO در پیش‌بینی ضریب زبری مانینگ ارزیابی شد. به همین منظور همه مدل‌ها در محیط نرم افزار متلب کدنویسی شدند. با توجه به ایجاد جریان متغیر تدریجی در کانال آزمایشگاهی، نیمرخ سطح آب به دست آمده از طریق حل به روش اویلر، با مقادیر اندازه گیری شده در آزمایشگاه مقایسه شد. نتایج نشان داد که تطابق قابل قبول بین پروفیل سطح آب آزمایشگاهی و برآوردهای انجام شده با روش اویلر وجود دارد. همچنین با بررسی نتایج آزمایشگاهی، مشخص شد که آرایش زیگزاگی ضریب مانینگ بیشتری نسبت به آرایش موازی در با و بدون بار بستر دارد. همچنین مشخص شد که با افزایش تراکم و عدد رینولدز مقدار ضریب مانینگ افزایش پیدا کرده و بالعکس با افزایش پارامتر d/y (قطر ساقه پوشش گیاهی به عمق متوسط جریان) مقدار ضریب مانینگ کاهش پیدا می‌کند. نتایج این تحقیق نشان داد که بار بستر بر روی ضریب مانینگ در حضور پوشش گیاهی تاثیر گذار بوده و سبب افزایش آن می‌شود. با بررسی پارامترهای موثر یک رابطه تجربی بین این پارامترهای موثر و ضریب مانینگ ارائه شد که دقت این رابطه در مرحله کالیبراسیون برابر با KGE=0.9869 و R2=0.9835 است و در مرحله صحت سنجی برابر با KGE=0.9793 و R2=0.9822 می‌باشد. ارزیابی نتایج مدل‌ها بر اساس تحلیل آماری به‌کار رفته نشان‌داد که مدل ANFIS - PSO عملکرد بهتری نسبت به سایر مدل‌ها در پیش‌بینی ضریب مانینگ دارد، به‌طوری که نتایج این مدل برابر با RMSE=0.0150،R2=0.9944 و KGE=0.9919 در مرحله آموزش و RMSE=0.0087، R2=0.9986 و KGE=0.9933 در مرحله آزمون می‌باشد. در مراتب بعد، از لحاظ دقت به‌ترتیب مدل‌های‌ ANN-RBF، GMDH، ANFIS و RT قرار می‌گیرند. با ارزیابی نتایج ترکیب‌های مختلف در مدلسازی مشخص شد، دو پارامتر تراکم پوشش گیاهی (D) و آرایش پوشش گیاهی (N) تاثیر بیشتری در ارائه نتایج درست داشتند و سایر پارامترها با وجود موثر بودن بر دقت مدل‌ها تاثیر نسبتا مشابهی بر روی آن‌ها داشتند.