شبیه سازی عمق آبشستگی اطراف پایه پل با استفاده از مدل های شبکه عصبی مصنوعی وسیستم تطبیقی عصبی فازی (ANFIS)

با ساخت هر پل، الگوی جریان در محل پایه ها تغییر یافته که خود منجر به فرسایش و ایجاد حفره آبشستگی در کنارهپایه پل می گردد. تخمین دقیق و مناسب عمق آبشستگی موضعی پایه پل در طراحی مطمئن پل ضروری می باشد. چرا کهتخمین کم عمق آبشستگی ممکن است به شکست و تخریب سازه پل و تخمین زاید منجر به صرف هزینه های زائد و اضافیگردد. طی سالیان اخیر معمولا از روشهای آزمایشگاهی و میدانی جهت بدرآورد عمق آبشستگی پایه پل استفاده شده ومعادلاتی تجربی جهت تخمین این پارامتر ارائه شده اند. اما باید متذکر شد که به دلیل گستردگی پارامترهای تاثیرگذار وپیچیدگی روابط بین آنها، اثر توامان همه این پارامترها مقدور نبوده و نیست فلذا این معادلات تجربی ارائه شده چندان دارایدقت مناسبی نیستند و هریک به اقتضای شرایط آزمایشگاهی خود صادق می باشند. بنابراین استفاده از روش هایی که به جعبهسیاه موسوم می باشند می تواند کمک به سزایی در تخمین دقیق این عمق ابشستگی نماید. در این مطالعه از مدل شبکه هایعصبی مصنوعی (با توجه به مجموعه ای از داده های آبشستگی پایه های پل های آمریکا) استفاده گردید و نتایج با روابط تجربیمقایسه شد. نتایج نشان داد که مناسب ترین مدل عصبی دارای ۴ متغیدر ورودی و نیز ۱۰ نرون در لایه مخفی (با الگوریتممارکوات- لونبرگ TRAINLM) با MSE و ضریب همبستگی به ترتیب برابر با ۰۰۳۲ / ۰ و ۹۲۲۲ / ۰ می باشد. همچندین دراین مطالعه نتایج مدل عصبی مصنوعی با روابط تجربی لارسن و همکاران (۱۹۸۰)، هانکو (۱۹۷۱) و فروهلیچ (۱۹۸۲) مقایسهگردید. نتایج نشان داد که دقت مدل عصبی مصنوعی بالاتر از معادلات تجربی می باشد.

کلیدواژه ها:

عمق آبشستگی تعادلی پایه پل ، شبکه عصبی مصنوعی ، الگوریتم مارکوات لونبرگ ، روابط تجربی