عملكرد سيستم هاي فرامدل در تخمين عمق آبشستگي پايه هاي پل در خاك هاي غير چسبنده

آبشستگي اطراف پايه هاي پل به عنوان يكي از اصلي ترين و مهم ترين عوامل تخريب پل ها، در اثر برخورد و جدا شدن خطوط جريان از پايه پل و ايجاد جريان هاي گردابي پيچيده شكل مي گيرد. با توجه به تاثير پارامترهاي متعدد در آبشستگي، تعيين پارامترهاي موثر و ايجاد رابطه رياضي ميان آن ها بسيار پيچيده و مشكل مي باشد. در اين تحقيق به كمك داده هاي آزمايشگاهي و صحرايي براي پايه استوانه اي و مستطيلي شكل براي بستر با خاك غيرچسبنده از قابليت سيستم هاي مبتني بر داده كاوي و فرامدل در شبيه سازي ميزان عمق آبشستگي پايه هاي پل استفاده شده است. بدين منظور با استفاده از شبكه هاي عصبي پيش خور، شعاع مبنا، رگرسيوني تعميمي، از يك سو و نيز شبكه فازي- عصبي از سوي ديگر براي هر دو حالت داده هاي بابعد و بي بعد و نيز معادلات تجربي، عمق آبشستگي محاسبه شده و با انجام آناليز حساسيت به بررسي تاثير پارامترها در عمق آبشستگي پرداخته شده است. نتايج حاصله حاكي از اين است كه شبكه پيش خور با داشتن ضريب تعيين بالا و خطاي كمتر نسبت به شبكه هاي شعاع مبنا، رگرسيوني تعميمي و شبكه فازي-عصبي از كارايي بالايي برخوردار است. همچنين آناليز حساسيت بر روي پارامترهاي موثر بر پديده نشان داد كه سرعت جريان براي داده هاي بابعد، و تنش برشي بي بعد براي داده هاي بي بعد بيشترين تاثير را بر روي عمق آبشستگي دارند.