fa تخمین عمق آبشستگی در اطراف سرریزهای مستغرق با استفاده از مدل نوین ماشین آموزش نیرومند سد و سازه سد و سازه پژوهشي Research در این مطالعه با استفاده از روش نوین ماشین آموزش نیرومند الگوی آبشستگی در پائین دست سرریزهای مستغرق پیش&shy;بینی شد. در مطالعه حاضر برای بررسی توانایی دقت مدل عددی از روش شبیه&shy;سازی&shy;های مونت کارلو بهره گرفته شد. علاوه بر این، به منظور صحت سنجی دقت مدل&shy;های عددی از روش اعتبار سنجی ضربدری استفاده گردید. در ادامه با توجه به پارامترهای ورودی، پنج مدل عددی ماشین آموزش نیرومند توسعه داد شد. در ابتدا، بهینه ترین تعداد نرون های لایه مخفی برای مدل عددی محاسبه شد. سپس تابع فعال&shy;سازی بهینه برای مدل عددی انتخاب شد. تحلیل توابع فعال&shy;سازی نشان داد که تابع<span dir="LTR">sigmoid</span> مقادیر تابع هدف را با دقت بیشتری تخمین زد. همچنین نتایج تحلیل حساسیت نشان داد که مدل برتر مقادیر آبشستگی را بر حسب<span dir="LTR">U₀/U_c, z/h_t, d₅₀/h_t</span> تخمین زد. این مدل مقادیر آبشستگی در پائین دست سرریزهای مستغرق را با دقت قابل قبولی تخمین زد به عنوان مثال مقادیر ضریب تبیین و شاخص پراکندگی برای این مدل به ترتیب مساوی با 880/0 و 127/0 محاسبه شد. علاوه بر این، پارامتر بدون بعد سرعت<span dir="LTR">U₀/U_c</span> به عنوان موثرترین پارامتر ورودی شناسایی شد. در نهایت یک ماتریس برای محاسبه عمق آبشستگی برای مهندسین بدون نیاز به دانش قبلی در مورد ماشین آموزش نیرومند ارائه شد.<br> &nbsp; Scour in vicinity of hydraulic structures is considered as one of the most important parameters to design the structures. In this study, scour pattern at downstream of submerged weirs was predicted using the novel method &ldquo;Extreme Learning Machine&rdquo;. In current study, in order to survey the accuracy of the numerical model, the Monte Carlo Simulations(MCs) was employed. In addition, the k-fold cross validation was utilized so as to validate the results of numerical models. Then, regarding with input parameters, five ELM models were developed. Firstly, the number of optimized hidden neurons for soft computing model was calculated. Next, the best activation function for numerical model was chosen. Analysis of activation function showed that the sigmoid activation function predicted the scour around submerged weirs with more accuracy. Additionally, results of sensitivity analysis proved that the superior model estimated the scour in terms of U₀/U_c, z/h_t,d₅₀/h_t. This model simulated the scour around submerged weirs with reasonable accuracy, for instance, determination coefficient and scatter index were computed 0.880 and 0.127, respectively. Moreover, the velocity parameter U₀/U_c was identified as the most effective input variable. Finally, a matrix was provided to estimate the scour depth for engineers without previous knowledge of Extreme Learning Machine.<br> &nbsp; سرریز مستغرق, آبشستگی, مدل سازی, ماشین آموزش نیرومند Submerged weir, Scour, Modeling, Extreme Learning Machine 40 51 http://journal.hydropower.org.ir/browse.php?a_code=A-10-702-1&slc_lang=fa&sid=1 ali azizpor علی عزیزپور ali.azizpour1978@gmail.com 10031947532846003845 10031947532846003845 Yes Department of Water Engineering, College of Agriculture, Islamic Azad University, Kermanshah Branch, Kermanshah گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران Mohammad ali izadbakhsh محمد علی ایزدبخش mohammad.ali.izadbakhsh@gmail.com 10031947532846003846 10031947532846003846 No Department of Water Engineering, College of Agriculture, Islamic Azad University, Kermanshah Branch, Kermanshah گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران ahmad rajabi احمد رجبی ahmad.rajabi1974@gmail.com 10031947532846003847 10031947532846003847 No Department of Water Engineering, College of Agriculture, Islamic Azad University, Kermanshah Branch, Kermanshah گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران saeid shabanlou سعید شعبانلو saeid.shabanlou@gmail.com 3874648052 10031947532846003848 No Department of Water Engineering, College of Agriculture, Islamic Azad University, Kermanshah Branch, Kermanshah گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران