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

Resumo Técnico: Estimativa da Profundidade de Erosão Jusante de Vertedouros de Salto de Esqui Utilizando o Algoritmo de Otimização de Busca de Enguia Elétrica

Definição do Problema
Os vertedouros de salto de esqui são essenciais para a dissipação de energia em barragens altas, porém o impacto do jato de água no leito do rio a jusante induz uma erosão local significativa. Essa erosão ameaça a estabilidade das estruturas hidráulicas e altera a morfologia do rio. Embora inúmeras relações empíricas tenham sido propostas para prever a profundidade da erosão (ex: Veronese, 1937; Mason e Arumugam, 1985; Azmathullah et al., 2006), o artigo observa que esses métodos frequentemente sofrem de precisão limitada devido à natureza não linear e estocástica do processo de erosão. Além disso, os modelos de regressão tradicionais carecem de precisão suficiente, enquanto modelos de aprendizado de máquina de "caixa-preta" muitas vezes carecem de formulações matemáticas transparentes necessárias para uma extrapolação confiável. O estudo visa desenvolver um modelo preditivo que ofereça tanto alta precisão quanto uma expressão matemática clara para abordar essas limitações.

Metodologia
A pesquisa utiliza uma abordagem híbrida combinando análise dimensional com um novo algoritmo de otimização metaheurística.

1. Dados e Parâmetros: O modelo foi calibrado utilizando um conjunto de dados de 104 pontos derivados de medições experimentais de Azmathullah et al. (2005) e testes de modelos físicos da Barragem do Reservatório de Darian (Centro de Pesquisa de Água do Irã, 2011). As variáveis de entrada principais incluem vazão unitária ($q$), altura de queda total ($H$), raio do balde ($R$), ângulo do salto de esqui ($\Phi$), profundidade de águas residuais ($d_w$) e diâmetro médio das partículas do leito ($d_{50}$).
2. Análise Dimensional: Utilizando o teorema $\pi$ de Buckingham, os autores derivaram uma relação de lei de potência adimensional para a profundidade de erosão ($d_s$). A relação é expressa como uma função de grupos adimensionais: número de Froude ($F$), altura de queda relativa ($H/d_w$), raio do balde relativo ($R/d_w$), tamanho de grão relativo ($d_{50}/d_w$) e o ângulo do balde ($\Phi$).
3. Zoneamento Baseado em Froude: Uma técnica de zoneamento inovadora foi implementada onde o domínio do número de Froude é dividido em três subregiões distintas. Dentro de cada zona, o modelo emprega um conjunto único de coeficientes calibrados para a equação de lei de potência. As fronteiras dessas zonas não são predefinidas, mas determinadas como variáveis de decisão durante o processo de otimização.
4. Algoritmo de Otimização: O algoritmo de Otimização de Busca de Enguia Elétrica (EEFO) foi empregado para calibrar o modelo. O EEFO é uma metaheurística inspirada nos comportamentos de caça coletiva das enguias elétricas (interação, repouso, caça e migração). O algoritmo otimiza simultaneamente:
   • Os coeficientes ($a_i, b_i, c_i, d_i, e_i, f_i$) para a equação de lei de potência em cada uma das três zonas.
   • As variáveis de partição ($k_i$) que definem as fronteiras do número de Froude entre as zonas.
   • A função objetivo minimiza a soma dos erros quadráticos ($SSds$) entre as profundidades de erosão observadas e previstas, sujeita a restrições que garantam valores de profundidade de erosão positivos.

Principais Contribuições

• Aplicação de Novo Algoritmo: Este estudo introduz o algoritmo EEFO ao campo da engenharia hidráulica pela primeira vez, especificamente para a previsão de profundidade de erosão.
• Estratégia de Zoneamento: A implementação de uma técnica de zoneamento baseada no número de Froude permite que o modelo se adapte ao seu comportamento matemático em diferentes regimes de fluxo, abordando a não linearidade do processo de erosão de forma mais eficaz do que fórmulas empíricas de equação única.
• Formulação Matemática Transparente: Diferente dos modelos de aprendizado de máquina de caixa-preta (ex: ANN, SVM), o modelo resultante fornece uma equação matemática explícita e interpretável (Equação 42) que os engenheiros podem aplicar diretamente.

Resultados
O modelo baseado em EEFO proposto foi avaliado utilizando índices estatísticos: Razão do Erro Quadrático Médio em relação ao Desvio Padrão (RSR), Coeficiente de Determinação ($R^2$), Eficiência de Nash–Sutcliffe (NSE) e Viés Percentual (PBIAS).

• Métricas de Desempenho: O modelo alcançou um RSR de 0,167, $R^2$ de 0,972, NSE de 0,972 e PBIAS de 0,336. De acordo com as escalas de classificação citadas no artigo (ex: Haiati et al., 2025; Afaridegan et al., 2025), esses valores indicam um desempenho "Muito Bom".
• Comparação com Métodos Empíricos: O estudo comparou o modelo proposto com 15 fórmulas empíricas estabelecidas (incluindo as de Veronese, Mason e Arumugam, e Azmathullah et al.). O modelo EEFO superou significativamente todos os métodos empíricos. Por exemplo, o melhor método empírico (Azmathullah et al., 2005) apresentou um RSR de 0,390 e NSE de 0,847, enquanto o modelo proposto alcançou um RSR de 0,167 e NSE de 0,972.
• Equação Calibrada: O resultado final é uma equação de lei de potência por partes (Equação 42) com coeficientes específicos para três intervalos de número de Froude ($F \le 1,171$, $1,171 < F \le 2,774$ e $F > 2,774$).

Significância e Alegações
O artigo afirma que o método de otimização baseado em EEFO desenvolvido fornece uma ferramenta altamente precisa e confiável para prever a profundidade de erosão a jusante de vertedouros de salto de esqui. Ao oferecer uma expressão matemática transparente que supera as fórmulas empíricas tradicionais, o modelo aborda a necessidade dupla de precisão e interpretabilidade no projeto hidráulico. Os autores afirmam que estas descobertas oferecem uma solução prática para mitigar riscos relacionados à erosão e otimizar o projeto de estruturas hidráulicas, aumentando assim a sua segurança e estabilidade a longo prazo. O estudo conclui que os principais parâmetros governantes são o número de Froude, a altura de queda relativa, o raio do balde relativo, o tamanho de grão relativo e o ângulo do lábio do balde, com o modelo revelando relações diretas e inversas específicas entre estes parâmetros e a profundidade de erosão dentro das zonas calibradas.