تخمین عمق آبشستگی پایه‌های پل با استفاده از روش‌های آماری و الگوریتم‌های هوشمند

[admin]

تخمین عمق آبشستگی پایه‌های پل با استفاده از روش‌های آماری و الگوریتم‌های هوشمند

 

سیدمرتضی سیدیان؛ ابوالحسن فتح آبادی

 

تخمین دقیق عمق آبشستگی اطراف پایه­های پل در کارهای مهندسی حائز اهمیت می­باشد. به دلیل پیچیدگی این پدیده بسیاری از روابط موجود قادر نمی­باشند عمق آبشستگی را با دقت قابل قبولی پیش­بینی نمایند. در این تحقیق ابتدا 17 رابطه تخمین عمق آبشستگی با داده­های میدانی مقایسه شدند و رابطـه فروهلیچ 1991 به عنوان بهترین رابطه انتخاب گردید. سپس با استفاده از روش­های ترکیبی میانگین (C-SAM)، رگرسیــون خطــی (C-REG) و ماشین بردار پشتیبان (C-SVM) 5 رابطه تخمین عمق آبشستگی (شن، فروهلیچ، فروهلیچ اصلاح شده، بلنچ I و اینگلیس II) که دارای کمترین خطا بودند با یکدیگر ترکیب شدند. مقایسه در مرحله صحت­سنجی نشان داد نتایج C-SAM به دلیل این­که از میانگین روابط استفاده می­نماید، تفاوتی با رابطه فروهلیچ ندارد؛ اما C-REG و به ویژه C-SVM توانسته­اند نتایج را بهبود بخشند. C-SVM توانسته ضریب همبستگی و خطای RMSE رابطه فروهلیچ را به ترتیب از 59/0 به 85/0 و از 63/0 به 42/0 تغییر دهد. با استفاده از SVM عمق آبشستگی با استفاده از پارامترهای مؤثر بر آبشستگی (P-SVM) بررسی گردید. نتایج نشان دادند دقت P-SVM قابل قبول است. دقت P-SVM با ضریب همبستگی 77/0 و خطای RMSE 51/0 بین دو روش C-REG و C-SVM قرار دارد. در این تحقیق نشان داده شد ترکیب روابط تجربی با استفاده از تکنیک SVM دارای بیشترین دقت و ترکیب پارامترهای مؤثر بر آبشستگی در رتبه دوم قرار دارد. همچنین نتایج این تحقیق نشان دادند SVM با استفاده از هوش مصنوعی می­تواند پدیده آبشستگی را با دقت بیشتری نسبت به روابط تجربی شبیه­سازی نماید.

 

Estimation of Bridge Pier Scour Using Statistical Methods and Intelligent Algorithms

 

Hidden Content

Give reaction or reply to this topic to see the hidden content.

Hidden Content

Give reaction or reply to this topic to see the hidden content.

Hidden Content

Give reaction or reply to this topic to see the hidden content.