ارزیابی مدل های درخت تصمیم غیرپارامتریک برای پیش بینی عمق آبشستگی پایه های پل

از مهم ترین دلایل آسیب پل ها، آبشستگی موضعی اطراف پایه پل می باشد. ماهیت پیچیده آبشستگی پایه پل و تاثیرات پارامترهای مختلف در برآورد آن ضرورت استفاده از یک مدل غیرخطی و جامع در این زمینه را بیشتر نمایان می سازد. در پژوهش حاضر از چهار روش مدل مبتی بر درخت تصمیم و همچنین از آمار پل های مختلف بهره گیری شده است. اطلاعات مورداستفاده در این پژوهش جهت مدل سازی درخت های تصمیم گیری شامل سرعت جریان در بالادست، قطر متوسط ذرات بستر، عمق جریان در بالادست پایه و عرض پایه، زاویه هجوم آب به پایه، طول پایه، قطر ذراتی که ۸۴ درصد از آن ها از قطر آن کوچک ترند، ضریب شکل پایه، به عنوان متغیرهای ورودی و عمق آبشستگی موضعی به عنوان خروجی در مدل می باشد. در این پژوهش از روش های جدید درخت تصمیم برای محاسبه و مقایسه عمق آبشستگی پایه پل استفاده شده است. نتایج پژوهش پس از بررسی تمامی مدل ها مشاهده گردید که مدل XGBoosting و Random Forest با ضریب تبیین ۷۶/۰ و ۷۳/۰ دارای دقت بیشتری نسبت به چهار مدل بررسی شده بودند و مدل Gradient Boosting در رده بعدازاین دو مدل با ضریب تبیین ۶۷/۰ قرار دارد و مدل Decision Tree در رده آخر قرار دارد. همچنین با آنالیز حساسیت صورت گرفته بر روی مدل ها مشاهده گردید که عرض پایه و همچنین طول پایه بیشترین تاثیر را بر روی عمق آبشستگی دارند، پس از این دو پارامتر عمق جریان در بالادست بیشترین تاثیر را بر روی عمق آبشستگی دارد.

کلیدواژه ها:

مدل های درختی ، XGBoosting ، Random Forest ، Gradient Boosting ، Decision Tree