<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Water and Soil Science</title>
<title_fa>علوم آب و خاک</title_fa>
<short_title>jwss</short_title>
<subject>Agriculture</subject>
<web_url>http://jstnar.iut.ac.ir</web_url>
<journal_hbi_system_id>0</journal_hbi_system_id>
<journal_hbi_system_user>user</journal_hbi_system_user>
<journal_id_issn>2476-3594</journal_id_issn>
<journal_id_issn_online>2476-5554</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>10.47176/jwss</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science></journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1396</year>
	<month>5</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2017</year>
	<month>8</month>
	<day>1</day>
</pubdate>
<volume>21</volume>
<number>2</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>تخمین مشخصات هیدرولیکی کانال‌های واگرای مستهلک کننده انرژی با استفاده از روش ماشین بردار پشتیبان</title_fa>
	<title>Estimating Hydraulic Characteristics of  Expanding channels  Energy Dissipator Using Support Vector Machine</title>
	<subject_fa>عمومی</subject_fa>
	<subject>Ggeneral</subject>
	<content_type_fa>پژوهشي</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p dir=&quot;RTL&quot; style=&quot;text-align: justify;&quot;&gt;&lt;/p&gt;

&lt;div&gt;
&lt;hr align=&quot;left&quot; size=&quot;1&quot; width=&quot;33%&quot; &gt;
&lt;div id=&quot;ftn1&quot;&gt;
&lt;p dir=&quot;RTL&quot; style=&quot;text-align: justify;&quot;&gt;&lt;span style=&quot;font-family:nasimyw;&quot;&gt;&lt;strong&gt;&lt;span style=&quot;font-size:11.0pt;&quot;&gt;پرش هیدرولیکی متداول&#8204;ترین روش جهت استهلاک انرژی جنبشی آب در پایین&#8204;دست سرریزها، شوت&#8204;ها و دریچه&#8204;ها می&#8204;باشد. در تحقیق کنونی مشخصات هیدرولیکی&lt;/span&gt;&lt;/strong&gt; &lt;strong&gt;&lt;span style=&quot;font-size:11.0pt;&quot;&gt;ازجمله نسبت اعماق متناوب، پرش هیدرولیکی واستهلاک انرژی در سه نوع کانال واگرای ناگهانی به&#8204;صورت بدون مانع، دارای پله معکوس و&lt;/span&gt;&lt;/strong&gt; &lt;strong&gt;&lt;span style=&quot;font-size:11.0pt;&quot;&gt;بلوک مرکزی با استفاده از روش ماشین بردار پشتیبان &lt;/span&gt;&lt;/strong&gt;&lt;strong&gt;&lt;span dir=&quot;LTR&quot;&gt;&lt;span style=&quot;font-size:9.0pt;&quot;&gt;SVM&lt;/span&gt;&lt;/span&gt;&lt;/strong&gt;&lt;strong&gt;&lt;span style=&quot;font-size:11.0pt;&quot;&gt; که به&#8204;عنوان یک روش یادگیری ماشین می&#8204;باشد تخمین زده شده و نرخ تأثیر پارامترهای ورودی در هر پرش مورد ارزیابی قرار گرفته است. بدین&#8204;منظور مدل&#8204;های مختلفی با استفاده از پارامترهای هیدرولیکی- هندسی تعریف شده و در کل تعداد 936 داده مشاهداتی برای آموزش و آزمون مدل&#8204;های سه نوع مختلف کانال واگرا استفاده گردید. همچنین عملکرد تعدادی از روابط نیمه&#8204;تجربی موجود نیز مورد بررسی قرار گرفته و نتایج حاصل با مدل&#8204;های برتر &lt;/span&gt;&lt;/strong&gt;&lt;strong&gt;&lt;span dir=&quot;LTR&quot;&gt;&lt;span style=&quot;font-size:9.0pt;&quot;&gt;SVM&lt;/span&gt;&lt;/span&gt;&lt;/strong&gt;&lt;strong&gt;&lt;span style=&quot;font-size:11.0pt;&quot;&gt; مقایسه گردید. نتایج حاصله ضمن تایید قابلیت روش ماشین بردار پشتیبان در تخمین مشخصات پرش هیدرولیکی،&lt;/span&gt;&lt;/strong&gt; &lt;strong&gt;&lt;span style=&quot;font-size:11.0pt;&quot;&gt;کارایی این&#8204;روش را نسبت به روابط نیمه&#8204;تجربی به اثبات رساند. از نتایج به&#8204;دست آمده مشخص گردید، مدلی که بیشترین دقت را در تخمین نسبت اعماق متناوب و استهلاک انرژی داراست مدل با پارامترهای &lt;/span&gt;&lt;/strong&gt;&lt;span style=&quot;text-align: justify;&quot;&gt;(Fr&lt;/span&gt;&lt;sub style=&quot;text-align: justify;&quot;&gt;1&lt;/sub&gt;&lt;span style=&quot;text-align: justify;&quot;&gt;,h&lt;/span&gt;&lt;sub style=&quot;text-align: justify;&quot;&gt;1&lt;/sub&gt;&lt;span style=&quot;text-align: justify;&quot;&gt;/B)&amp;nbsp;&lt;/span&gt;&lt;strong&gt;&lt;span style=&quot;font-size:11.0pt;&quot;&gt;&amp;nbsp;و در تخمین طول پرش مدل با پارامترهای &lt;/span&gt;&lt;/strong&gt;&lt;span style=&quot;text-align: justify;&quot;&gt;(Fr&lt;/span&gt;&lt;sub style=&quot;text-align: justify;&quot;&gt;1&lt;/sub&gt;&lt;span style=&quot;text-align: justify;&quot;&gt;, h&lt;/span&gt;&lt;sub style=&quot;text-align: justify;&quot;&gt;2&lt;/sub&gt;&lt;span style=&quot;text-align: justify;&quot;&gt;/h&lt;/span&gt;&lt;sub style=&quot;text-align: justify;&quot;&gt;1&lt;/sub&gt;&lt;span style=&quot;text-align: justify;&quot;&gt;)&lt;/span&gt;&lt;strong&gt;&lt;span style=&quot;font-size:11.0pt;&quot;&gt; می&#8204;باشد.&lt;/span&gt;&lt;/strong&gt;&lt;/span&gt;&lt;/p&gt;
&lt;/div&gt;
&lt;/div&gt;
</abstract_fa>
	<abstract>&lt;p style=&quot;text-align: justify;&quot;&gt;Hydraulic jump is the most common method of dissipating water&amp;rsquo;s kinetic energy in downstream of spillways, shoots and valve. In this paper, Support Vector Machine (SVM) method, as a machine learning method, have been used to estimate hydraulic characteristics such as the sequent depth ratio, jump length and energy loss in three different sudden expansions stilling basins, and the rate of influence of input parameters in each jump has been analyzed. In order to evaluate the performance of proposed method, 936 sets of the observed data have been used for training and testing process of three kinds of expanding channel models. Furthermore, a comparison between semi-theoretical approaches and the data obtained from the best SVM models have been carried out. The results confirmed the efficiency of SVM method for estimating the hydraulic jump characteristics and proved that this method performed well in comparison to the semi-theoretical relationships. The obtained results revealed that the superior model for the sequent depth ratio and relative energy dissipation was the model with (Fr&lt;sub&gt;1&lt;/sub&gt;,h&lt;sub&gt;1&lt;/sub&gt;/B) parameters and the superior model for the length of hydraulic jump prediction was the model with (Fr&lt;sub&gt;1&lt;/sub&gt;, h&lt;sub&gt;2&lt;/sub&gt;/h&lt;sub&gt;1&lt;/sub&gt;) parameters.&lt;/p&gt;
</abstract>
	<keyword_fa>مشخصات هیدرولیکی, کانال های واگرا, استهلاک انرژی, سیستم های هوشمند, ماشین بردار پشتیبان</keyword_fa>
	<keyword>Hydraulic Characteristics, Expanding Channels, Energy Dissipation, Support vector machine</keyword>
	<start_page>205</start_page>
	<end_page>219</end_page>
	<web_url>http://jstnar.iut.ac.ir/browse.php?a_code=A-10-3517-1&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>K.</first_name>
	<middle_name></middle_name>
	<last_name>Roshangar</last_name>
	<suffix></suffix>
	<first_name_fa>کیومرث</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>روشنگر</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>kroshangar@yahoo.com</email>
	<code></code>
	<orcid></orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>1. Dept. of Water, College of Civil Eng., Univ. of Tabriz, Tabriz, Iran.</affiliation>
	<affiliation_fa>1. گروه آب، دانشکده مهندسی عمران، دانشگاه تبریز</affiliation_fa>
	 </author>


	<author>
	<first_name>R.</first_name>
	<middle_name></middle_name>
	<last_name>valizadeh</last_name>
	<suffix></suffix>
	<first_name_fa>ریحانه</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>ولیزاده</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>reyhaneh_valizadeh_rvacivil@yahoo.com</email>
	<code></code>
	<orcid></orcid>
	<coreauthor>No</coreauthor>
	<affiliation>1. Dept. of Water, College of Civil Eng., Univ. of Tabriz, Tabriz, Iran.</affiliation>
	<affiliation_fa>1. گروه آب، دانشکده مهندسی عمران، دانشگاه تبریز</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
