Estimating scour depth downstream of ski-jump spillways using the electric eel foraging optimization algorithm

Technische Samenvatting: Schatting van de Erosiediepte Stroomafwaarts van Ski-sprong Sluiswerken met behulp van het Electric Eel Foraging Optimization Algoritme

Probleemstelling
Ski-sprong sluismuren (ski-jump spillways) zijn essentieel voor energieverlies bij hoge dammen, maar de impact van de waterstraal op de benedenstroomse rivierbedding veroorzaakt aanzienlijke lokale erosie (scour). Deze erosie vormt een bedreiging voor de stabiliteit van hydraulische constructies en verandert de morfologie van de rivier. Hoewel talrijke empirische relaties zijn voorgesteld om de erosiediepte te voorspellen (bijv. Veronese, 1937; Mason en Arumugam, 1985; Azmathullah et al., 2006), merkt het artikel op dat deze methoden vaak kampen met beperkte nauwkeurigheid vanwege het niet-lineaire en stochastische karakter van het erosieproces. Bovendien missen traditionele regressiemodellen voldoende precisie, terwijl "black-box" machine learning-modellen vaak een gebrek hebben aan transparante wiskundige formuleringen die nodig zijn voor betrouwbare extrapolatie. De studie heeft tot doel een voorspellend model te ontwikkelen dat zowel een hoge nauwkeurigheid als een duidelijke wiskundige expressie biedt om deze beperkingen aan te pakken.

Methodologie
Het onderzoek maakt gebruik van een hybride benadering waarbij dimensionale analyse wordt gecombineerd met een nieuw metaheuristisch optimalisatiealgoritme.

1. Data en Parameters: Het model werd gekalibreerd met behulp van een dataset van 104 datapunten afkomstig van experimentele metingen door Azmathullah et al. (2005) en fysieke modeltests van de Darian Reservoir Dam (Iraanse Water Onderzoekscentrum, 2011). Belangrijke invoervariabelen zijn de eenheiddebiet ($q$), de totale valhoogte ($H$), de emmertjesstraal ($R$), de ski-sprong hoek ($\Phi$), de waterdiepte stroomafwaarts ($d_w$) en de mediaan korrelgrootte van de bedding ($d_{50}$).
2. Dimensionale Analyse: Met behulp van de Buckingham $\pi$-stelling hebben de auteurs een dimensieloze machtswet-relatie voor de erosiediepte ($d_s$) afgeleid. De relatie wordt uitgedrukt als een functie van dimensieloze groepen: Froude-getal ($F$), relatieve valhoogte ($H/d_w$), relatieve emmertjesstraal ($R/d_w$), relatieve korrelgrootte ($d_{50}/d_w$) en de emmertjeshoek ($\Phi$).
3. Froude-gebaseerde Zonering: Een nieuwe zoneringstechniek werd geïmplementeerd waarbij het Froude-getal domein wordt verdeeld in drie afzonderlijke subregio's. Binnen elke zone gebruikt het model een unieke set gekalibreerde coëfficiënten voor de machtswet-vergelijking. De grenzen van deze zones zijn niet vooraf bepaald, maar worden bepaald als beslissingsvariabelen tijdens het optimalisatieproces.
4. Optimalisatiealgoritme: Het Electric Eel Foraging Optimization (EEFO) algoritme werd toegepast om het model te kalibreren. EEFO is geïnspireerd op het collectieve jachtgedrag van elektrische meervallen (interactie, rusten, jagen en migratie). Het algoritme optimaliseert gelijktijdig:
   • De coëfficiënten ($a_i, b_i, c_i, d_i, e_i, f_i$) voor de machtswet-vergelijking in elk van de drie zones.
   • De partitioneringsvariabelen ($k_i$) die de Froude-getal grenzen tussen de zones definiëren.
   • De objectieve functie minimaliseert de som van de kwadratische fouten (SSds) tussen waargenomen en voorspelde erosiedieptes, onderworpen aan beperkingen die positieve erosiedieptes garanderen.

Belangrijkste Bijdragen

• Nieuwe Algoritme Toepassing: Deze studie introduceert het EEFO-algoritme voor de eerste keer in het vakgebied van de hydraulische techniek, specifiek voor de voorspelling van erosiediepte.
• Zoneringsstrategie: De implementatie van een Froude-getal-gebaseerde zoneringstechniek stelt het model in staat om zich aan te passen aan verschillende stromingsregimes, waardoor het niet-lineaire karakter van het erosieproces effectiever wordt aangepakt dan met enkelvoudige vergelijking empirische formules.
• Transparante Wiskundige Formulering: In tegen tegenstelling tot black-box machine learning-modellen (zoals ANN, SVM), biedt het resulterende model een expliciete, interpreteerbare wiskundige vergelijking (Vergelijking 42) die ingenieurs direct kunnen toepassen.

Resultaten
Het voorgestelde EEFO-gebaseerde model werd geëvalueerd met behulp van statistische indices: de ratio van de wortel van de gemiddelde kwadratische fout tot de standaarddeviatie (RSR), de determinatiecoëfficiënt ($R^2$), de Nash–Sutcliffe efficiëntie (NSE) en de procentuele bias (PBIAS).

• Prestatie-indicatoren: Het model behaalde een RSR van 0,167, een $R^2$ van 0,972, een NSE van 0,972 en een PBIAS van 0,336. Volgens de beoordelingsschalen die in het artikel worden aangehaald (bijv. Haiati et al., 2025; Afaridegan et al., 2025), duiden deze waarden op een "Zeer Goede" prestatie.
• Vergelijking met Empirische Methoden: De studie vergeleek het voorgestelde model met 15 gevestigde empirische formules (waaronder die van Veronese, Mason en Arumugam, en Azmathullah et al.). Het EEFO-model presteerde aanzienlijk beter dan alle empirische methoden. Zo leverde de best presterende empirische methode (Azmathullah et al., 2005) een RSR van 0,390 en een NSE van 0,847, terwijl het voorgestelde model een RSR van 0,167 en een NSE van 0,972 behaalde.
• Gekalibreerde Vergelijking: De uiteindelijke output is een stuksgewijze machtswet-vergelijking (Vergelijking 42) met specifieke coëfficiënten voor drie Froude-getal bereiken ($F \le 1,171$, $1,171 < F \le 2,774$, en $F > 2,774$).

Betekenis en Claims
Het artikel claimt dat de ontwikkelde EEFO-gebaseerde optimalisatiemethode een zeer nauwkeurige en betrouwbare tool biedt voor het voorspellen van de erosiediepte stroomafwaarts van ski-sprong sluismuren. Door een transparante wiskundige expressie te bieden die de traditionele empirische formules overtreft, adresseert het model de dubbele behoefte aan precisie en interpreteerbaarheid in het hydraulisch ontwerp. De auteurs stellen dat deze bevindingen een praktische oplossing bieden voor het beperken van erosie-gerelateerde risico's en het optimaliseren van het ontwerp van hydraulische constructies, waardoor de langetermijnveiligheid en stabiliteit worden verbeterd. De studie concludeert dat de primaire bepalende parameters het Froude-getal, de relatieve valhoogte, de relatieve emmertjesstraal, de relatieve korrelgrootte en de emmertjesliphoek zijn, waarbij het model specifieke directe en inverse relaties tussen deze parameters en de erosiediepte binnen de gekalibreerde zones onthult.