مدلسازی اثر تخلخل لایه های موج شکن در روابط روگذری موج با استفاده از الگوریتم یادگیری ماشین

تخمین صحیح و قابل اطمینان میزان روگذری موج در سازههای ساحلی امری مهم در طراحی و ارزیابی ایمنی این سازه­ها است. در این پژوهش، با استفاده از مدل سازی عددی و یادگیری ماشین، رابطه ای جدید برای محاسبه روگذری موج در موج شکن توده سنگی با آرمور بتنی Xbloc ارائه شده است. روش مورد استفاده بر مبنای یادگیری نظارت شده و رگرسیون غیرخطی بوده و فرم کلی رابطه پیشنهادی از مدل هیبسگارد و همکاران تبعیت کرده است. برای اعتبارسنجی مدل، نتایج حاصل از رابطه جدید با داده های آزمایشگاهی و همچنین روابط اوون و ون در میر مقایسه شد. ضریب همبستگی (R۲)، جذر میانگین مربعات خطا (RMSE) و اندیس توافق (d) نشان داد که رابطه پیشنهادی تطابق بیشتری با داده های آزمایشگاهی دارد. مدل سازی عددی برای ۸ شرایط مختلف نیز انجام شد که در تمامی موارد، رابطه پیشنهادی تطابق بیشتری با خروجی های عددی نسبت به روابط تجربی پیشین داشت. این نتایج نشان می دهد که استفاده از مدل سازی عددی و یادگیری ماشین، می تواند جایگزینی دقیق و مقرون به صرفه برای آزمایش های فیزیکی پرهزینه در استخراج روابط روگذری موج باشد. در این پژوهش، اثر تخلخل موج شکن که در مطالعات گذشته کمتر مورد توجه قرار گرفته است، به طور ویژه بررسی شده و در رابطه پیشنهادی لحاظ گردیده است. نتایج این تحقیق نشان می دهد که روش پیشنهادی می تواند به عنوان ابزاری کارآمد برای ارائه روابط دقیق تر در تخمین روگذری موج، بدون نیاز به آزمایشات فیزیکی گسترده، مورد استفاده قرار گیرد.

کلیدواژه ها:

Armour breakwater ، Machine learning ، Wave overtopping ، موج شکن توده سنگی ، یادگیری ماشین ، روگذری موج