كاربرد شبكه عصبي مصنوعي در تخمين عمق آبشستگي اطراف پايه پل در بستر با رسوبات چسبنده

بيشتر آسيب پل‌ها به دليل آبشستگي اطراف پي‌هاي‌ آن در طول سيلاب هستند. بنابراين براي حداقل‌سازي احتمال خرابي، يك مدل بهبود يافته براي تخمين عمق آبشستگي اطراف آنها لازم است. به دليل اينكه آبشستگي در پايه‌هاي پل يك تابع پيچيده از مشخصات مصالح كف، ويژگي‌هاي سيال، مشخصات جريان و هندسه‌ي پايه است، معادلات تجربي توانايي تخمين دقيق عمق آبشستگي را ندارند. در اين تحقيق، روشي سودمند براي تخمين عمق آبشستگي در خاك‌هاي چسبنده مبتني بر راهكارهاي هوش مصنوعي ارائه شده است. به منظور ارزيابي عملكرد روش‌ ذكر شده از داده‌هاي آزمايشگاهي در دو حالت با بعد و بي بعد استفاده شده است. در اينجا ابتدا مدل مناسبي مبتني بر شبكه عصبي مصنوعي ارائه شده و سپس با استفاده از الگوريتم ژنتيك بهينه شده است. متوسط ضريب همبستگي بدست آمده براي داده‌هاي بي‌بعد با استفاده از روش پيشنهادي 0.97 بوده است. در اين مدل شبكه عصبي بهينه شده با الگوريتم ژنتيك، مقدار ريشه ميانگين مربعات خطا، 0.094 مي باشد. نتايج حاصل نشان مي‌دهد كه شبكه عصبي مصنوعي و بهينه كردن آن با الگوريتم ژنتيك در تخمين عمق آبشستگي پايه‌هاي پل در بسترهاي با رسوبات چسبنده در مقايسه با معادلات تجربي عملكرد بسيار بهتري دارد.