Estimation of the Roller Length of Submerged Hydraulic Jumps Using Artificial Intelligence Methods

Abstract

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.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.