بررسی مدل های خاص هوش مصنوعی در برآورد عمق آبشستگی در پایه پل دایره ای

در این پژوهش از دو مدل یادگیری ماشین شامل LS-SVR و ANFIS برای پیش بینی عمق آب شستگی اطراف پایه های پل استفاده شد. برای این منظور از ۲۴۰ سری داده شامل پارامترهای مرتبط با هندسه پایه ها، شرایط جریان و خصوصیات جریان و نیز پارامترهای بدون بعد استفاده شد. برای پیش بینی از دو الگوی ورودی استفاده شد. در الگوی اول، پارامترهای بدون بعد و در الگوی دوم پارامترهای با بعد در نظر گرفته شدند. نتایج نشان داد که در هر دو مدل، استفاده از پارامترهای با بعد برای پیش بینی منجر به دقت بالای پیش بینی می شود . مقایسه بین مدلها نیز نشان داد که الگوریتم LS-SVR برای داده های آزمون الگوی اول و دوم دقت بالاتری نسبت به الگوریتم ANFIS دارد. نتایج این تحقیق حاکی از این است که مدل های یادگیری ماشین جایگزین مناسبی برای مدل های تجربی در پیش بینی عمق آبشستگی پایه های پل هستند.