@article { author = {سیدیان, سید مرتضی and فراستی, معصومه and حشمت پور, علی and فتح آبادی, ابوالحسن}, title = {Prediction of stable channels geometry using soft computing}, journal = {Journal of Water and Soil Conservation}, volume = {23}, number = {4}, pages = {119-135}, year = {2016}, publisher = {Gorgan University Of Agricultural Sciences}, issn = {2322-2069}, eissn = {2322-2794}, doi = {10.22069/jwfst.2016.9566.2380}, abstract = {Background and objectives: Determination of stable channel characteristics includes width, depth and slope is very important that considered for more than a century. Design of Stable channel was used in various works such as river engineering, flood control and water conveyance. The main objective of this study is evaluation of two methods of ANFIS and SVM to estimate stable channel characteristics. Materials and methods: 325 measured data from the natural channel and laboratory investigations were used for training, testing and evaluation ANFIS and SVM methods. ANFIS system that combines neural network with fuzzy logic is the first time was introduced in 1993 by Zhang. Support Vector Machine can be applied not only to classification problems but also to the case of regression. 60% of data was used for training, 20% evaluation and the remaining 20% were used for test. To simulate the channel characteristics two input include: 1- discharge and 2- discharge and median sediment grains were used. The empirical formula Afzalimehr et al., Bray and Simmons and Albertson was used to compare with ANFIS and SVM. 1- discharge and 2- discharge and median sediment grains were used. The empirical formula Afzalimehr et al., Bray and Simmons and Albertson was used to compare with ANFIS and SVM. Results: ANFIS and SVM methods with input (2) to (1) estimate width 50% and 80% respectively and depth 61% and 40% respectively with a lower error. ANFIS and SVM prediction accuracy in various range of width and depth is different. Both methods could not predict the slope. Bray empirical relationship that predicted depth and width of the reasonably accurately estimates the slope with less accuracy. Conclusion: The results showed that both methods with input (2) simulate changes in channel geometry with reasonable accuracy and estimate the width and depth as well. Overall, estimation capability of width more than depth and both methods with input (1) and (2) can’t estimate of slope stable channel. In depth of less than 2 meters the impact of median grain size is little on the predicted depth. Changes in slope do not depend only on the discharge and median grain size and other parameters that affect the change. The effects of the unknown parameters on slopes greater than 0.5% are high because both methods did not provide any reasonable estimates. Compared with empirical relations showed ANFIS more accurately estimate characteristic of stable channel than Simons and Albertson, Afzalimehr et al. and Bray relationship.}, keywords = {Stable channel,Geometry,ANFIS,SVM}, title_fa = {پیش بینی مشخصات کانال های پایدار با استفاده از محاسبات نرم}, abstract_fa = {سابقه و هدف: از موضوعات مهم در مهندسی رودخانه تعیین مشخصات آبراهه پایدار شامل عرض، عمق و شیب است که بیش از یک قرن مورد توجه بوده است. طراحی پایدار یک آبراهه در کارهای مختلفی مانند مهندسی رودخانه، کنترل سیل و انتقال آب مورد استفاده قرار می‌گیرد. آبراهه‌های پایدار معمولاً توسط روابط تجربی که گاهی دقت بسیار کمی دارند طراحی می‌شود. هدف اصلی این تحقیق ارزیابی دو روش ANFIS و SVM در تخمین مشخصات آبراهه پایدار است. مواد و روش‌ها: تعداد 325 داده اندازه‌گیری شده از مشخصات آبراهه‌های طبیعی و تحقیقات آزمایشگاهی برای آموزش، ارزیابی و آزمایش دو روش ANFIS و SVM مورد استفاده قرار گرفت. سیستم نوروفازی که ترکیب شبکه عصبی با منطق فازی می‌باشد اولین بار توسط ژانگ 1993 معرفی شد. ماشین بردار پشتیبان در الگوریتم‌های رگرسیون و طبقه‌بندی استفاده می‌گردد. 60% داده‌ها برای آموزش، 20% برای ارزیابی و 20% باقیمانده برای آزمایش استفاده شد. برای برآورد مشخصات آبراهه از دو ورودی شامل: 1- دبی و 2- دبی و قطر متوسط رسوب استفاده شد. از روابط تجربی افضلی مهر و همکاران، بری و سیمونز و آلبرتسون برای مقایسه با دو روش ANFIS و SVM استفاده گردید. یافته‌ها: روش‌های ANFIS و SVM با ورودی (2) نسبت به (1) عرض را به ترتیب حدود 50% و 80% و عمق را به ترتیب 61% و 40% با خطای کمتری تخمین زدند. دقت پیش‌بینی ANFIS و SVM در دامنه‌های مختلف عرض و عمق متفاوت است. هر دو روش نتوانستند شیب را پیش‌بینی کنند. رابطه تجربی بری که عمق و عرض را با دقت قابل قبولی پیش‌بینی می‌کند در تخمین شیب دارای دقت کمی است. نتیجه‌گیری: نتایج نشان داد هر دو روش با ورودی (2) تغییرات هندسی آبراهه را با دقت قابل قبولی شبیه‌سازی می‌کنند و عرض و عمق را به خوبی تخمین می‌زنند. به طور کلی قابلیت تخمین عرض بیشتر از عمق است و هر دو روش با ورودی (1) و (2) قادر به تخمین شیب کانال پایدار نمی‌باشند. در اعماق کمتر از 2 متر تأثیر قطر متوسط رسوب نسبت به دبی بر پیش‌بینی عمق کم است. تغییرات شیب فقط به دبی و قطر متوسط رسوب بستگی ندارد و پارامترهای دیگری در تغییرات آن تأثیر دارند. تأثیر پارامترهای ناشناخته بر شیب-های بیشتر از 5/0% بیشتر است زیرا هر دو روش هیچ تخمین قابل قبولی ارائه نکرده‌اند. رابطه بری نسبت به دو رابطه سیمونز و آلبرتسون و افضلی دارای دقت بیشتری در پیش‌بینی مشخصات آبراهه است. مقایسه ANFIS با روابط تجربی نشان داد مشخصات آبراهه پایدار توسط ANFIS با دقت بیشتری نسبت به روابط تجربی پیش‌بینی می‌شود.}, keywords_fa = {آبراهه پایدار,مشخصات هندسی,ANFIS,SVM}, url = {https://jwsc.gau.ac.ir/article_3281.html}, eprint = {https://jwsc.gau.ac.ir/article_3281_afa9a2f956b84db29278b2a467b61ce1.pdf} }