فهرست نشریات علمی دسترسی آزاد ایران

با توجه به اهمیت پدیده آبشستگی در طراحی پل­ها، امروزه برای بالا بردن دقت تخمین عمق آبشستگی از  شبکه‌های عصبی مصنوعی بهره گرفته می­شود. در این تحقیق برای پیش ‌بینی عمق آبشستگی اطراف گروه پایه پل مایل از روشی نوین به نام ماشین بردار پشتیبان استفاده شده است که در این روش از پارامترهای آماری ، ، RMSE، برای ارزیابی کارایی مدل‌ها استفاده شده است. نتایج نشان داد،  ترکیباتی که دارای هر دو نوع پارامترهای رسوبی و هیدرولیکی در مدل داده کاوی ماشین بردار پشتیبان‌ می‌باشد، نتیجه بهتری در پیش­بینی عمق آبشستگی ارائه می‌دهند. به طور نمونه، در حالت سه پایه، معیارهای ارزیابی مربوط به سناریو یک (پارامترهای هیدرولیکی)، 9914/0R2=، 9758/0DC= ، 0576/0 RMSE  و برای سناریو دو (پارامترهای هیدرولیکی و رسوبی )، برابر9924/0R2=، 9803/0DC=، 0529/0RMSE=  بدست آمده است که نشان می­دهد ماشین بردار پشتیبان برای سناریو دوم عملکرد بهتری از خود نشان داده است. در ادامه برای محاسبه عمق آبشستگی اطراف گروه پایه مایل، برای حالت‌های تک پایه، سه پایه و چهارپایه روابط غیر خطی ارائه شده است.