رحیم رضازاده - دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه صنعتی سیرجان، سیرجان، ایران
غلامعباس بارانی - دانشگاه شهید باهنر کرمان
امینه ناصری - هیات علمی دانشکده مهندسی کامپیوتر،دانشگاه صنعتی سیرجان، سیرجان، ایران

بیشتر آسیب پل ها به دلیل آبشستگی اطراف پی های آن در طول سیلاب هستند. بنابراین برای حداقل سازی احتمال خرابی، یک مدل بهبود یافته برای تخمین عمق آبشستگی اطراف آنها لازم است. به دلیل اینکه آبشستگی در پایه های پل یک تابع پیچیده از مشخصات مصالح کف، ویژگی های سیال، مشخصات جریان و هندسه ی پایه است، معادلات تجربی توانایی تخمین دقیق عمق آبشستگی را ندارند. در این تحقیق، روشی سودمند برای تخمین عمق آبشستگی در خاک های چسبنده مبتنی بر راهکارهای هوش مصنوعی ارائه شده است. به منظور ارزیابی عملکرد روش ذکر شده از داده های آزمایشگاهی در دو حالت با بعد و بی بعد استفاده شده است. در اینجا ابتدا مدل مناسبی مبتنی بر شبکه عصبی مصنوعی ارائه شده و سپس با استفاده از الگوریتم ژنتیک بهینه شده است. متوسط ضریب همبستگی بدست آمده برای داده های بی بعد با استفاده از روش پیشنهادی 97/0 بوده است. در این مدل شبکه عصبی بهینه شده با الگوریتم ژنتیک، مقدار ریشه میانگین مربعات خطا، 094/0 می باشد. نتایج حاصل نشان می دهد که شبکه عصبی مصنوعی و بهینه کردن آن با الگوریتم ژنتیک در تخمین عمق آبشستگی پایه های پل در بسترهای با رسوبات چسبنده در مقایسه با معادلات تجربی عملکرد بسیار بهتری دارد.

آبشستگی پایه پل, رسوبات چسبنده, شبکه عصبی مصنوعی, الگوریتم ژنتیک