پیش بینی و ارزیابی عمق آبشستگی در زیر خطوط لوله با بکارگیری روش های بردار پشتیبان ماشین و رگرسیون قوسی تحت موج

خطوط لوله انتقال­دهنده سیالات، یکی از مهم­ترین عوامل توسعه و رشد اقتصادی هر کشوری محسوب می­ شوند که برای انتقال سوخت های سیال، پسماندها و فاضلاب ­ها و یا برای انتقال هر سیال دیگر استفاده می ­شوند. هنگامی که این خطوط لوله بر روی بستر دریا و اقیانوس قرار می ­گیرند، باعث ایجاد تغییراتی در جریان شده که افزایش تنش برشی و آشفتگی سیال را به ­دنبال دارد. همین امر سبب بیشتر شدن ظرفیت حمل رسوب و در نتیجه ایجاد حفره آبشستگی می­ شود. با بزرگ­تر شدن چاله آبشستگی، تنش ­ها و بارهای نوسانی باعث خستگی و گسیختگی لوله ­ها می ­شود. همین امر اهمیت بررسی پدیده آبشستگی در زیر خطوط لوله را نشان می ­دهد. در این تحقیق به تاثیر عوامل متعددی بر آبشستگی زیر خطوط لوله تحت موج با استفاده از روش رگرسیون فرایند گاوسی ((GPR)Gaussian Process Regression ) و ماشین بردار پشتیبان ((SVM)Support Vector Machine ) مورد مطالعه قرار گرفته است. بدین منظور از داده­ های آزمایشگاهی متعددی که استفاده شده است و پس از تعریف چندین پارامتر بدون بعد، عملکرد روش ­های مذکور مورد ارزیابی قرار گرفته است. نتایج به ­دست آمده به ­خوبی نشان­ دهنده این است که این روش ­ها نسبت به روابط تجربی نتایج بهتری دارند. با بررسی نتایج مشاهده شد که مدل ماشین بردار پشتیبان با متغیرهای ورودی KC، θ، Re و e/D با دارا بودن حداقل مقدار RMSE برابر ۰۴۷/۰ و همچنین حداکثر مقادیر R برابر ۹۵۹/۰ و NSE برابر ۹۰۴/۰ بهترین نتیجه و عملکرد را دارد و طبق نتایج به ­دست آمده از آنالیز حساسیت پارامتر KC، تاثیرگذارترین پارامتر بر روی عمق آبشستگی زیر خطوط لوله در حالت موج است.

کلیدواژه ها:

عمق آبشستگی ، خطوط لوله ، موج ، توابع کرنل ، روش رگرسیون گاوسی ، ماشین بردار پشتیبان