AU - Shahinejad, B. AU - Parsaei, A. AU - Haghizadeh, A. AU - Arshia, A. AU - Shamsi, Z. TI - Modeling and Estimating the Dimensions of Stable Alluvial Channels using Soft Calculations PT - JOURNAL ARTICLE TA - JSTNAR JN - JSTNAR VO - 26 VI - 3 IP - 3 4099 - http://jstnar.iut.ac.ir/article-1-4199-fa.html 4100 - http://jstnar.iut.ac.ir/article-1-4199-fa.pdf SO - JSTNAR 3 AB  - در این پژوهش به‌منظور تخمین ابعاد هندسی کانال‌های آبرفتی پایدار شامل عرض سطح کانال (w)، عمق جریان (h) و شیب طولی (S) آنها از مدل‌های محاسبات نرم شامل مدل رگرسیون اسپلاین تطبیقی چندگانه (MARS) و مدل دسته‌بندی گروهی داده‌ها (GMDH) استفاده شد و نتایج مدل‌های توسعه داده ‌شده با مدل شبکه عصبی چندلایه (MLP) مقایسه شد. برای توسعه مدل‌ها، پارامترهای دبی جریان (Q)، اندازه متوسط ذرات در کف و بدنه (d50) و همچنین میزان تنش برشی (t) به‌عنوان ورودی و از پارامترهای عرض سطح آب (w)، عمق جریان (h) و شیب طولی (S) به‌عنوان پارامترهای خروجی استفاده شد. مدل‌های محاسبات نرم در دو سناریو بر اساس پارامترهای خام و فرم بی‌بعد پارامترهای مستقل و وابسته، توسعه داده شدند. نتایج نشان داد که با توجه به مشخصات آماری در تخمین w بهترین عملکرد مربوط به مدل MARS است که شاخص‌های آماری دقت آن در مرحله آموزش عبارت از R2=0.902,RMSE=1.666 و در مرحله آزمایش عبارت از R2=0.844,RMSE=2.317 است. در تخمین عمق کانال، عملکرد هر دو مدل MLP و MARS تقریباً برابر است که هر دو بر اساس فرم بی‌بعد دبی جریان به‌عنوان متغیر ورودی، توسعه داده شدند. شاخص‌های آماری هر دو مدل در مرحله آموزش عبارت از و در مرحله آزمایش عبارت از است. بهترین عملکرد مدل‌های توسعه داده ‌شده در تخمین شیب طولی کانال نیز مربوط به هردو مدل MARS و GMDH است که البته به‌صورت جزئی، دقت مدل GMDH با شاخص‌های آماری در مرحله آموزش و در مرحله آزمایش بیشتر از مدل MARS است. CP - IRAN IN - LG - eng PB - JSTNAR PG - 91 PT - Research YR - 2022