مقاله

تخمین عمق آبشستگی پایه های پل با استفاده از روش های آماری و الگوریتم های هوشمند

سیدمرتضی سیدیان، استادیار دانشکده کشاورزی، دانشگاه گنبد کاووس ابوالحسن فتح آبادی، استادیار دانشکده کشاورزی، دانشگاه گنبد کاووس

چکیده

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.

اسناد مشابه