ارزیابی تاثیر پارامترهای هیدرولیکی و هندسی روی ضریب گذردهی سرریزهای کنگره‌ای با دو روش آزمایشگاهی و الگوریتم‌های هوشمند

محورهای موضوعی : برگرفته از پایان نامه

مهدی ماجدی اصل ¹ , مهدی فولادی پناه ² , رسول دانشفراز ³ , خلیل جنت ⁴

1 - دانشیار، گروه مهندسی عمران، دانشگاه مراغه، مراغه، ایران
2 - استادیار، گروه مهندسی عمران، واحد رامهرمز، دانشگاه آزاد اسلامی، رامهرمز، ایران
3 - استاد، گروه مهندسی عمران، دانشگاه مراغه، مراغه، ایران
4 - دانشجوی کارشناسی ارشد، گروه مهندسی عمران، دانشگاه مراغه، مراغه، ایران

تاریخ دریافت : 1400/04/24 تاریخ پذیرش : 1401/03/21 تاریخ انتشار : 1401/02/01

کلید واژه: ضریب دبی, بهبود عملکرد سرریز, الگوریتم داده‌مبنا, تحلیل ابعادی,

چکیده مقاله :

مقدمه: ظرفیت بالای گذردهی سرریزهای کنگره­ای در مقایسه با سرریزهای خطی، استفاده و کاربرد آنها را به عنوان سازه­های تنظیم­کننده­ی سطح آب، تخلیه­ی سیلاب و اندازه­گیری جریان افزایش داده است. ضریب دبی جریان نقش بسیار مهمی در میزان دبی عبوری از روی سرریزهای کنگره­ای ایفا می­کند. روش­:  پارامترهای موثر در ضریب دبی شامل ارتفاع انرژی کل جریان بالادست نسبت به تاج سرریز (H_t)، طول تاج سرریز (L_cw)، عدد فرود بالادست (Fr)، طول دماغه سرریز (A)، عرض کل سرریز (W)، ارتفاع سرریز (P)، شکل سرریز (SF)، افزایش ارتفاع سرریز (C)، هستند. در این پژوهش، کارکرد نه مدل آزمایشگاهی سرریزهای کنگره­ای به کمک تغییر زاویه­ی دیواره (سه زاویه­ی 12، 20 و 35 درجه)، ارتفاع سرریز (5/1 درصد افزایش ارتفاع)، شکل تاج (مسطح و ربع دایره)، شیب دهانه­ی سرریز و فرم دماغه­ی سرریز (خطی و نیم­دایره) در قالب ضریب دبی سرریز تحت شرایط جریان آزاد مورد ارزیابی قرار گرفته­اند. مدل شاهد، سرریز کنگره­ای مستطیلی می­باشد. یافته­ها:  تغییرات ضریب دبی نسبت به  نشان داد با افزایش زاویه­ی دیواره مقدار ضریب دبی به طور متوسط نسبت به مدل شاهد 76 درصد افزایش یافت. با اعمال شیب کف بالادست و تغییر فرم دماغه، بهبود عملکرد سرریز به طور متوسط 3/12 درصد زیاد شد. در نهایت افزایش ارتفاع سرریز منجر به بهبود 5/26 درصدی مقدار ضریب دبی نسبت به مدل شاهد شد. بهبود هدایت جریان و نیز عدم تداخل تیغه­های جریان با اعمال اصلاحات فوق­الذکر دلیل بهبود عملکرد سرریز هستند. در ادامه دو الگوریتم ماشین بردار پشتیبان و برنامه­ریزی بیان ژن برای شبیه­سازی ضریب دبی با استفاده از 18 مدل از ترکیب­های مختلف پارامترهای بی­بعد مورد استفاده قرار گرفتند. بهینه­ترین مدل در SVM شامل پارامترهای , , ,  , SF, C و بهینه­ترین ترکیب در الگوریتم GEP شامل پارامترهای , Fr, , ,  , C, SF  بودند.   نتیجه­گیری: مقایسه آماره­های ارزیابی عملکرد ضمن تایید قابلیت بسیار زیاد هر دو الگوریتم در پیش­بینی ضریب دبی جریان، حاکی از برتری الگوریتم GEP نسبت به الگوریتم SVM بود. 

چکیده انگلیسی:

Non-linear weirs have more passing length than linear ones for a certain value of flow width, so they have more utilization for water surface adjustment, flow control in channels, rivers, and dam reservoir purposes. Labyrinth weir is a common type of non-linear weir that has been considered by researchers in recent decades. The effect of some geometric and hydraulic characteristics appears as discharge coefficient in the head-discharge relationship. For the same conditions, the higher the discharge coefficient, the more flow will pass over the weir. The experimental study is one of the methods to determine the effect of parameters on the discharge coefficient value. Due to the occurrence of complex phenomena that can not be measured or the existence of physical limitations in the laboratory, the use of intelligent artificial methods has become a growing trend in recent decades. The GEP and the SVM are two algorithms with train and test base phases that are used to extract the hidden and complex relationships among dependent and independent variables. In this research work, in addition to the experimental assessment of different geometric and hydraulic parameters on discharge coefficient, the outputs of the two mentioned algorithms have been considered and compared with laboratory results.

منابع و مأخذ:

1.       Aydin, I., Sakarya, A.B. and Cigdem, S. 2011. Discharge formula for rectangular sharp crested weir. Flow Measurement and Instrumentation, 22(2):144-151.

2.       Azhdari Moghadam, M and Jafari Nadoushan, E. 2013. Hydraulic Design of a Trapezoidal Labyrinth Spillway Using Computational Hydrodynamics. MCEJ, 13(3): 123-123. [In Persian]

3.       Bahreh Bar, R., Heidarnejad, M., Masjedi, A.R., Kaman Bedast, A.A., Bordbar, A. 2018. Comparing the Discharge Coefficients of Labyrinth Weir Featuring Different Geometries and Laboratory Model Using Flow-3D Software. Iranian Journal of Irrigation and Drainage, 4(12): 982-993. [In Persian]

4.       Crookston, B. M. 2010. Labyrinth weirs. Ph. D. Thesis. Utah State University. Logan. UT.

5.       Delgado, F.G.A., Paulina, M.A., and Camino, S.F.J. 2015. Discharge Coefficients Spillways Labyrinth Implementing Hydrodynamic Devices in the upstream side, In: Proceedings of 36th IAHR World Congress. Hague, Netherlands, pp. 1-7.

6.       Emadi, A. and Kakouei, S. 2020. The Experimental Study of the Effect of Gate Position on Flow Discharge Coefficient of Rectangular-Labyrinth Weir-Gate.  Iranian Water Research Journal, 14(2): 11-20. [In Persian]

7.       Emami, S., Parsa, J. and Emami, H. 2020. Estimation of Discharge Coefficient of Curved Plan-form Labyrinth Weirs using a Hybrid WOA-ANFIS Method. Iranian Journal of Irrigation and Drainage, 5(14): 1664-1676. [In Persian]

8.       Feili, J., Heidarnejad, M., Kamanbedast, A.A., Masjedi, A., Asadi Lor, M. 2020. Experimental Study of Discharge Coefficient of Trapezoidal Arced Labyrinth Weirs with Different Arc Radius and Cycle Length. Iranian Journal of Soil and Water Research, 51(5): 1115-1126. [In Persian]

9.       Ferdowsi, A., Mousavi, S.F., Farzin, S., Karami, H., Karami, M. and Valikhan Anaraki, M. 2019. Optimal Design and Hydraulic Performance Improvement of Labyrinth Spillway using Cuckoo Search Algorithm. Iranian journal of Irrigation and Drainage, 12(5): 1086-1097. [In Persian]

10.   Fuladipanah, M., Majedi Asl, M. and Haghgooyi, A. 2020. Application of intelligent algorithms for modeling the discharge-discharge relationship in the case of congressional and linear overflow submersion. Iranian Hydraulic Association Journal of Hydraulics, 15(2): 150-164. [In Persian]

11.   Gholizadeh, A, Ghodsian, M. and Panahi, R. 2016. Numerical study of effect of Crest shape on Discharge Coefficient of Trapezoidal Arced Labyrinth Weir. MCEJ, 16(4): 225-238. [In Persian]

12.   Hay, N. and Taylor, G. 1970. Performance and design of labyrinth weirs. Journal of Hydraulic Engineering, 96(11): 2337-2357.

13.   Hu, Z., Karami, H., Rezaei, A.R., DadrasAjirlou, Y., Jalil Piran, Md., Band, S.S., Chau, K.W. and Mosavi, A., 2021. Using soft computing and machine learning algorithms to predict the discharge coefficient of curved labyrinth overflows. Engineering Applications of Computational Fluid Mechanics, 15(1): 1002-1015.

14.   Kabiri, A., Aghajanabdollah, M., and Hejazitaghanaki, R. 2014. Application of ANFIS model for estimating the discharge coefficient of labyrinth side weirs. Iranian Water Researches Journal, 8(1): 47-54. [In Persian]

15.   Khode, B.V., Tembhurkar, A.R., Porey, P.D., and Ingle, R.N. 2012. Experimental Studies on Flow over Labyrinth Weir. Journal of Irrigation and Drainage Engineering, 138(6): 548-552. [In Persian]

16.   Kumar, M., Sihag, P., Tiwari, N.K. and Ranjan S. 2020. Experimental study and modelling discharge coefficient of trapezoidal and rectangular piano key weirs. Applied Water Science, 10, 43-52.

17.   Mahmoud, A., Yuan, X., Kheimi, M., and Yuan, Y. 2021. Interpolation accuracy of hybrid soft computing techniques in estimating discharge capacity of triangular labyrinth weir. IEEE Access, 9: 6769-6785.

18.   Majedi Asl, M and Fuladipanah, M. 2019. Application of the Evolutionary Methods in Determining the Discharge Coefficient of Triangular Labyrinth Weirs. JWSS, 22 (4): 279-290. [In Persian]

19.   Mehri, Y., Esmaeili, S., Soltani, J., Saneie, M. and Rostami, M. 2018. Evaluation of SVM and nonlinear regression models for predicting the discharge coefficient of side piano key weirs in irrigation and drainage networks. Iranian Journal of Irrigation and Drainage, 4(12): 994-1003. [In Persian]

20.   Noori, R., Karbassi, A.R., Moghaddamnia, A., Han, D., Zokaei-Ashtiani, M.H., Forokhnial, A. and Ghafari-Goushesh, M. 2011. Assessment of input variables determination on the SVM model performance using PCA, Gamma test, and forward selection techniques for monthly stream flow prediction. Journal of Hydrology, 401: 177- 189.

21.   Noori, R., Khakpour, A., Omidvar, B., and Farokhnia, A. 2010. Comparison of ANN and principal component analysis-multivariate linear regression models for predicting the river flow based on developed discrepancy ratio statistics. Expert Systems with Applications, 37: 5856-5862.

22.   Norouzi, R., Daneshfaraz, R. and Ghaderi, A. (2019). Investigation of discharge coefficient of trapezoidal labyrinth weirs using artificial neural networks and support vector machines. Applied Water Science, 9(148), 1-10.

23.   Oskouei, M, Emadi, A.R. and Shahnazari A. 2019. Determination of Rectangular Labyrinth Weir's Discharge Coefficient Affecting Downstream and Upstream Ramps Slope. Irrigation and Drainage Structures Engineering Research, 19(73): 83-98. [In Persian].

24.   Rezaee, M., Emadi, A. and Aqajani Mazandarani, Q. 2016. Experimental Study of Rectangular Labyrinth Weir. Journal of Water and Soil, 29(6): 1438-1446. [In Persian]

25.   Rezapour Tabari, M. and Hashempour, M. 2018. Development of GWO-DSO and PSO-DSO Hybrid Models to Redesign the Optimal Dimensions of Labyrinth Spillway. Dam and Hydroelectric Powerplant, 5(16): 48-63. [In Persian]

26.   Roushangar, K., Alami, M.T., Shiri, J. and Majedi Asl, M. (2017). Determining discharge coefficient of labyrinth and arced labyrinth weirs using support vector machine. Journal of Hydrology Research, 49(3): 924-938.

27.   Roushangar, K., Majedi-Asl, M. and Shahnazi, S. (2021). Hydraulic Performance of PK Weirs Based on Experimental Study and Kernel-based Modeling. Water Resources Management, 35: 3571–3592. [In Persian]

28.   Roushangar, R., Alami, M.T., Shiri, J. and Majedi Asl, M. 2018. Evaluation Effect of Changing the Cycle Arc Angle on Discharge Coefficient of Arced Labyrinth and Arced Piano Key Weirs. Iranian journal of soil and water research, 49(2): 341-351. [In Persian]

29.   Sangsefidi, Y., and Ghodsian, M. 2019. Investigation of Effects of Entrance Channel Walls on the ‎Hydraulic Performance of ‎Arced Labyrinth Weirs. MCEJ, 19(1): 195-206. [In Persian]

30.   Sangsefidi, Y., Ghodsian, M., Mehraein, M. 2017. Experimental Investigation of the Hydraulic Performance of Arced Labyrinth Weirs‎. Dam and Hydroelectric Powerplant, 4(12): 53-65. [In Persian]

31.   Savage, B., Crookston, B. M. and Paxson, S. 2016. Physical and numerical modeling of large headwater ratios for a 15º labyrinth spillway. Journal of Hydraulic Engineering, 142(11): 04016046, 1-7.

32.   Seo, I.W., Do, K.Y., Park, Y.S. and Song, C.G. 2016. Spillway discharges by modification of weir shapes and overflow surroundings. Environmental Earth Science, 75(6):496-509.

33.   Shafaattalab, H., Esmaeili-Varaki, M., and Ashrafzadeh, A. 2017. Experimental investigation of the effect of tail water level on discharge coefficient of trapezoidal labyrinth weirs. Irrigation and drainage structures engineering research, 17(67): 63-80. [In Persian]

34.   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.

35.   Valikhan Anaraki, M. 2018. Optimal Design and Hydraulic Performance Improvement of Labyrinth Spillway using Cuckoo Search Algorithm. Iranian Journal of Irrigation and Drainage, 5(12): 1086-1097. [In Persian]

36.   Vapnik, V.N. 1995. The nature of statistical learning theory, Springer, New York.