بررسی کاربرد مدلهای هوشمند در پیش بینی عمق آبشستگی پایه پل استوانه ای

پل ها از جمله مهمترین سازه های رودخانه ای هستند که گرداب های ناشی از ایجاد پایه پل در مسیر جریان رودخانه، باعث آبشستگی موضعی اطراف پایه آنها می گردد. آبشستگی موضعی اطراف پایه پل ها یکی از موثرترین عوامل تخریب آنهاست که همه ساله باعث تخریب پل های زیادی در سراسر جهان می شود. به دلیل پیچیدگی فرآیند آبشستگی و وجود عوامل مختلف تاثیر گذار بر این پدیده، کاهش میزان آبشستگی موضعی در اطراف پایه های پل با بکارگیری راهکارهای مختلف مانند تغییر در شکل هندسی آن مورد توجه محققین بوده است. یکی از مهمترین عوامل آسیب و خرابی سازه های هیدرولیکی وقوع پدیده آبشستگی موضعی است. نظر به اینکه طراحی مطمئن و اقتصادی سازه های هیدرولیکی که در مسیر جریان قرار دارند مستلزم تخمین مناسبی از پارامترهای آبشستگی است، پیچیدگی فرآیند آبشستگی موجب شده است تا محققان از روش های داده کاوی برای پیش بینی عمق آبشستگی پایه پل ها استفاده کنند. در پژوهش حاضر عملکرد مدل های شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) در تخمین عمق آبشستگی پایه پل استوانه ای بررسی شد. بر اساس مقادیر اندازه گیری شده آزمایشگاهی استفاده شد. بر اساس متغیرهای تاثیر گذار، چهار الگوی مختلف تعریف گردید. برای بررسی کارایی مدل ها از شاخص های آماری شامل ضریب تعیین (R)، ریشه میانگین مربعات خطا (RMSE) و شاخص کارایی نش-ساتکلیف (NSE) استفاده شد. نتایج نشان داد که مدل ANN به ازای بهترین الگو با دارا بودن بیشترین مقدار ضریب تعیین (۰.۶۷۴ = R)، کمترین ریشه میانگین مربعات خطا (۰.۱۹ = RMSE) و ضریب نش-ساتکلیف برابر ۰.۶۴۷ از تطابق بهتری با مقادیر مشاهداتی برخوردار بود. همچنین پارامتر D به عنوان تاثیر گذارترین متغیر بر شبیه سازی عمق آبشستگی شناخته شد.

کلیدواژه ها:

هوش ، جمعی ، آبشستگی پایه ، پل ، شبکه عصبی مصنوعی