Bu çalışmada, içerisinde kayar kapak bulunan bir laboratuvar kanalının mansabında meydana gelmiş batmış hidrolik sıçramanın geri dönüş bölgesinin uzunluğu deneysel olarak belirlenmiştir. Deneysel olarak kapak açıklığı, mansap su yüksekliği, froude sayıları kullanılarak farklı yapay zekâ yöntemleri ve Çoklu Doğrusal Regresyon (ÇDR) yöntemi ile batmış hidrolik sıçramada geri dönüş bölgesinin uzunluğu tahmin edilmiştir. Yapay zekâ yöntemleri olarak Yapay Sinir Ağları (YSA), Uyarlamalı Ağ Tabanlı Bulanık Mantık Çıkarım Sistemi (ANFIS) ve Genexpresyon Programlama (GEP) yöntemleri tercih edilmiştir. Yöntemlerin geri dönüş bölgesinin uzunluğunu tahmin etmedeki başarı performanslarını belirlemek için belirlilik katsayısı (R2), Ortalama Karesel Hata (OKH) ve Ortalama Mutlak Göreceli Hata (OMGH) parametreleri kullanılmıştır. Çalışma sonucunda, kapak açıklığı, mansap su yüksekliği ve froude sayısını girdi parametresi olarak kullanan YSA ve ANFIS yöntemlerinin sıçrama geri dönüş bölgesinin uzunluğunu belirlemede oldukça başarılı olduğu belirlenmiştir.
Batmış hidrolik sıçrama Geri dönüş bölgesi uzunluğu Açık kanal akımı Yapay zekâ yöntemleri
HÜBAP
18195
Bu çalışma Harran Üniversitesi Bilimsel Araştırma Projeleri Koordinasyon Birimi (HÜBAP) tarafından desteklenmiştir (Proje No:18195).
In this study, the roller length of the submerged hydraulic jump that occurred in a downstream of the laboratory canal with a sluice gate is experimentally determined. Experimentally, the roller length of the submerged hydraulic jump is estimated by using artificial intelligence methods and Multiple Linear Regression (MLR) method using the gate opening height, tail water height and froude numbers. Artificial Neural Networks (ANN), Adaptive Network Based Fuzzy Inference System (ANFIS) and Genexpression Programming (GEP) methods have been preferred as artificial intelligence methods.
The coefficient of determination (R2), Mean Square Error (MSE) and Mean Absolute Relative Error (MARE) parameters are used to determine the success performance of methods in estimating the length of the roller zone. As a result of the study, it is determined that ANN and ANFIS methods, which use gate opening height, tail water height and froude number as input parameters, are quite successful in determining the roller length of the submerged hydraulic jump.
Submerged hydraulic jump Roller length Open channel flow Artificial intelligence methods
18195
Birincil Dil | Türkçe |
---|---|
Konular | Mühendislik |
Bölüm | Araştırma Makalesi |
Yazarlar | |
Proje Numarası | 18195 |
Yayımlanma Tarihi | 1 Eylül 2021 |
Gönderilme Tarihi | 13 Şubat 2021 |
Kabul Tarihi | 11 Mayıs 2021 |
Yayımlandığı Sayı | Yıl 2021 Cilt: 9 Sayı: 3 |