فهرست نشریات علمی دسترسی آزاد ایران

برخورد جریان به پایه‌های پل و تکیه‌گاه‌ها جریان‌های آشفته‌ای را ایجاد می‌کند که سبب فرسایش در کنار پایه‌ها و تکیه‌گاه‌های پل شده و در نتیجه تخریب پل‌ها را در پی دارد. با توجه به پیچیدگی موضوع و پارامترهای زیادی که دخالت دارند هنوز یک رابطه‌ی دقیق یا راه حل اساسی برای پیش بینی عمق آبشستگی ارائه نشده است. در تحقیق حاضر عمق آبشستگی با استفاده از داده‌های اندازه‌گیری شده و با به کارگیری روش شبکه عصبی مصنوعی، رگرسیون خطی و غیرخطی و روابط تجربی برآورد شد. داده ها به دو صورت، با بعد و بدون بعد که با استفاده از آنالیز ابعادی بدست آمد مورد استفاده قرار گرفتند. نتایج نشان داد مدل شبکه عصبی مصنوعی توانسته است با به کارگیری پارامترهای تأثیرگذار عمق آبشستگی را با ضریب تبیین برابر با 97/0 و 81/0 و همچنین خطای RMSE برابر با m01/0 و 32/0 به ترتیب زمانی که داده‌ها بابعد و بدون‌بعد استفاده شده‌اند، پیش‌بینی کند. همچنین رابطه تجربی دانشگاه ایالتی کلرادو توانسته است عمق آبشستگی را با ضریب تبیین و خطای RMSE برابر با 53/0 و 52/0 متر پیش بینی کند. مقایسه‌ نتایج مدل‌های مختلف نشان می‌دهد که مدل شبکه عصبی مصنوعی مقدار خطای پیش بینی عمق آبشستگی را به ترتیب 70، 7/85 و 7/87 درصد در مقایسه با مدل رگرسیون خطی، مدل رگرسیون غیرخطی و رابطه تجربی دانشگاه ایالتی کلرادو کاهش داد.