ناصر نیک نیا - کارشناس ارشد سازه های هیدرولیکی ،کارشناس شرکت مهندسین مشاور آب پوی
بهزاد ملوندی - کارشناس ارشد سازه های هیدرولیکی ،کارشناس شرکت مهندسین مشاور آب پوی
محمود فغفور مغربی - دانشیار گروه عمران ، دانشگاه فردوسی مشهد

حرکت جریان در اطراف سازه های گرد مانند پایه های پل و خطوط لوله پیچیده می باشد لذا انتخاب یک مدل تجربی برای تخمین عمق آبشستگی مشکل می باشد. در عصر حاضر استفاده از شبکه های عصبی مصنوعی (Artificial Neural Network) به دلیل ساختار ریاضی کاملا غیر خطی می تواند جایگزین مناسبی برای مدل های دیگر باشد. لذا در این مطالعه از روش های غیرخطی مانند شبکه های عصبی مصنوعی (MLP, RBF) و رگرسیون خطی چند متغیره برای تخمین عمق آبشستگی در زیر خطوط لوله در بستر رودخانه استفاده می گردد. در این مقاله با استفاده از آمار واقعی نتایج بدست آمده از 2 رابطه معتبر برای محاسبه عمق آبشستگی در زیر خطوط لوله (جلدسن ،گروه تحقیقاتی هلند) با نتایج حاصل از یک مدل شبکه عصبی مصنوعی بهینه و رگرسیون خطی چندمتغیره و مقادیر مشاهداتی مقایسه شده است. برای مقایسه از توابع RMSE و R استفاده شده است. نتایج تحقیق نشان می دهد که مدل ANNنتایج بهتری نسبت به سایر مدل ها می دهد. همچنین در مدل شبکه عصبی مصنوعی MLP از نتایج مقبول تری نسبت به مدل RBF برخوردار می باشد.

خطوط لوله، آبشستگی، شبکه عصبی مصنوعی، رگرسیون خطی جند متغیره