ارزیابی و پیش بینی آب شستگی پایه های پل های شهری با استفاده از شبکه های عصبی و منطق فازی-عصبی با تاکید بر توسعه پایدار شهری

مدیریت پایدار زیرساخت های حمل ونقل شهری در برابر پدیده های هیدرولوژیکی غیرقابل پیش بینی، از اولویت های مهندسی عمران است. در این میان، آب شستگی اطراف پایه های پل به عنوان عامل اصلی تخریب سازه ها، نیازمند مدل سازی دقیق تر جهت گذار از رویکردهای سنتی مبتنی بر ضرایب اطمینان محافظه کارانه و پرهزینه است. این پژوهش با هدف ارتقای دقت طراحی و بهینه سازی منابع، به توسعه و مقایسه مدل های هوش مصنوعی شامل شبکه عصبی مصنوعی (ANN) و سیستم استنتاج فازی-عصبی (ANFIS) برای تخمین عمق آب شستگی در جریان های غیردائمی پرداخته است. به منظور افزایش کارایی، ابتدا داده های پرت حذف و سپس با استفاده از الگوریتم انتخاب ویژگی مبتنی بر نظریه اطلاعات متقابل (MIFS)، ابعاد ورودی مدل از ۹ به ۵ پارامتر کلیدی کاهش یافت. نتایج پیاده سازی مدل ها بر داده های میدانی نشان داد که مدل بهینه شده (ANNu-۳) ضمن حفظ دقت بیش از ۹۰ درصد، خطای نسبی نرمالیزه شده (NRMSE) را ۲۷.۷ درصد نسبت به مدل پایه بهبود بخشیده و زمان محاسباتی را بیش از ۵۰ درصد کاهش داده است. این دستاورد ضمن تضمین تاب آوری سازه ای، با کاهش مصرف مصالح و عملیات ترمیمی غیرضروری، رویکردی کارآمد در راستای اصول توسعه پایدار و مدیریت هوشمند زیرساخت های رودخانه ای ارائه می دهد.

کلیدواژه ها:

آب شستگی پایه های پل ، جریان غیردائمی ، هوش مصنوعی ، توسعه پایدار ، مدیریت زیرساخت