تعیین پارامترهای تاثیرگذار در مدل سازی آبشستگی پایه پل با استفاده از روش مبتنی بر کرنل SVM با در نظر گرفتن عدم قطعیت مدل سازی

امروزه پدیده آبشستگی یکی از مسائل مهم در علم مهندسی رودخانه و مهندسی سواحل است. آبشستگی باعث ایجاد گودال در اطراف پایه های پل و در نهایت تخریب آن می گردد. تاکنون مطالعات بسیاری در این خصوص انجام شده و روابط متعددی برای تخمین پارامتر آیشستگی ارائه گردیده است. با این حال، به دلیل تاثی پارامترهای مختلف و وجود عدم قطعیت در پدیده آبشستگی روابط موجود منجر به نتایج جامع و دقیقی نمی گردند. در تحقیق کنونی با استفاده از چندین سری داده ها آزمایشگاهی کارایی روش هوشمند ماشین بردار پشتیبان (SVM) در تخمین میزان عمق آبشستگی پایه های پل در بسترهای چسبنده و دانه ای بررسی شد. مدل های مختلفی تعریف گردیده و تاثیر پارامترهای هیدرولیکی مورد ارزیابی قرار گرفت. نتایج حاصله کارایی بالای روش به کار رفته در تحقیق را در تخمین عمق آبشستگی به اثبات رساند. ملاحظه گردید که مدل های تعریف شده برای خاک چسبنده نسبت به خاک دانه ای و غیر چسبنده در تخمین آبشستگی موفق تر می باشند. نتایج نشان داد که پارامترهای مربوط به رطوبت نمونه خاک و درصد تراکم رسی در پیش بینی عمق آبشستگی موثر می باشند. بر اساس نتایج آنالیز حساسیت مشخص گردید که رطوبت خاک در حالت ترکیب رس و ماسه، تنش برشی بی بعد و درصد تراکم خاک رسی در حالت خاک رسی و عدد فرود پایه در حالت خاک غیرچسبنده به ترتیب موثرترین پارامترها در تخمین عمق آبشستگی در خاک های چسبنده و غیرچسبنده هستند. با استفاده از روش مونت کارلو عدم قطعیت مدل سازی مورد ارزیابی قرار گرفت و مشخص شد که روش اعمالی دارای قابلیت اطمینان مطلوبی در مدل سازی پارامتر عمق آبشستگی می باشد.

کلیدواژه ها:

آبشستگی ، خاک چسبنده و دانه ای ، عدم قطعیت ، ماشین بردار پشتیبان