مدل‌سازي عمق آبشستگي اطراف انواع تك پايه و گروه پايه‌هاي مايل

با توجه به اهميت پديده آبشستگي در طراحي پل ها، امروزه براي بالا بردن دقت تخمين عمق آبشستگي از  شبكه‌هاي عصبي مصنوعي بهره گرفته مي شود. در اين تحقيق براي پيش ‌بيني عمق آبشستگي اطراف گروه پايه پل مايل از روشي نوين به نام ماشين بردار پشتيبان استفاده شده است كه در اين روش از پارامترهاي آماري ، ، RMSE، براي ارزيابي كارايي مدل‌ها استفاده شده است. نتايج نشان داد،  تركيباتي كه داراي هر دو نوع پارامترهاي رسوبي و هيدروليكي در مدل داده كاوي ماشين بردار پشتيبان‌ مي‌باشد، نتيجه بهتري در پيش بيني عمق آبشستگي ارائه مي‌دهند. به طور نمونه، در حالت سه پايه، معيارهاي ارزيابي مربوط به سناريو يك (پارامترهاي هيدروليكي)، 0.9914=R^2 و 0.9758=DC و 0.0576 RMSE  و براي سناريو دو (پارامترهاي هيدروليكي و رسوبي )، برابر 0.9924=R^2 و 0.9803=DC و 0.0529=RMSE بدست آمده است كه نشان مي دهد ماشين بردار پشتيبان براي سناريو دوم عملكرد بهتري از خود نشان داده است. در ادامه براي محاسبه عمق آبشستگي اطراف گروه پايه مايل، براي حالت‌هاي تك پايه، سه پايه و چهارپايه روابط غير خطي ارائه شده است.