بررسی کارائی شبکه های عصبی مصنوعی در پیش بینی عمق آبشستگی پایه های پل و مقایسه نتایج با مدل های ریاضی معتبر

پل ها از جمله مهمترین و حیاتی ترین سازه های ارتباطی هستند که از دیرباز مورد استفاده قرار می گیرند . آبشستگی پایه های پل یکی از مهم ترین عوامل تهدید کننده پایداری پل های احداث شده بر روی رودخانه ها می باشد . منشا آبشستگی موضعی در واقع نوعی فرسایش در اطراف پایه پل ها است که در نتیجه جریان های گردابی برخاستگی و جریان نعل اسبی می باشد . به دلیل پیچیدگی فرایند آبشستگی و نامعلوم بودن جزئیات و عملکرد گردابهای تشکیل یافته در اطراف پایه های پل، روابط گوناگونی برای برآورد حداکثر عمق حفره آبشستگی ارائه شده است که عمدتا آزمایشگاهی و بعضا نیمه تئوری و یا صحرایی هستند . در عصر حاضر، استفاده از شبکه های عصبی مصنوعی ) ) Artificial Neural Networks به دلیل ساختار ریاضی کاملا غیر خطی می تواند جایگزین مناسبی برای مدلهای دیگر باشد . در این مقاله با استفاده از آمار واقعی نتایج بدست آمده از 3 رابطه معتبربرای محاسبه عمق آبشستگیCSU ) ) ( ، ملویل و سادرلند، لارسن و توچ ) با نتایج یک مدل شبکه عصبی مصنوعی بهینه و مقادیر مشاهداتی مقایسه شده است . برای مقایسه از توابع هدف MAE ، RMSE و R 2 استفاده شد . نتایج تحقیق حاکی از آن است که ANN از سرعت عمل و دقت قابل قبولی برخوردار بوده و نتایج بهتری نسبت به سایر مدل ها ارائه می دهد .

کلیدواژه ها:

پایه پل ، عمق آبشستگی ، شبکه عصبی مصنوعی ، معادلات آبشستگی ، داده های صحرایی