برآورد عمق آبشستگی پایه پل استوانه ای با به کارگیری مدل های هوشمند

پل ها یکی از مهم ترین سازه های ارتباطی بر روی روخانه ها هستند و تخمین دقیق عمق آبشستگی اطراف پایه های پل ها از اهمیت ویژه ای برخوردار 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. بدین منظور از مقادیر اندازه گیری شده آزمایشگاهی استفاده شد. بر اساس متغیرهای تاثیرگذار، چهار الگوی مختلف تعریف گردید. برای بررسی کارایی مدل ها از شاخص های آماری شامل ضریب تعیین (R۲)، 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 (۶۷۴/۰=R۲)، کمترین ریشه میانگین مربعات خطا (۰۱۹/۰=RMSE) و ضریب نش-ساتکلیف برابر ۶۴۷/۰ از تطابق بهتری با مقادیر مشاهداتی برخوردار بود. هم چنین پارامتر D۵۰ به عنوان تاثیرگذارترین متغیر بر شبیه سازی عمق آبشستگی شناخته شد.