کاربرد شبکه عصبی مصنوعی در تخمین عمق آبشستگی اطراف پایه پل در بستر با رسوبات چسبنده

بیشتر آسیب پل‌ها به دلیل آبشستگی اطراف پی‌های‌ آن در طول سیلاب هستند. بنابراین برای حداقل‌سازی احتمال خرابی، یک مدل بهبود یافته برای تخمین عمق آبشستگی اطراف آنها لازم است. به دلیل اینکه آبشستگی در پایه‌های پل یک تابع پیچیده از مشخصات مصالح کف، ویژگی‌های سیال، مشخصات جریان و هندسه‌ی پایه است، معادلات تجربی توانایی تخمین دقیق عمق آبشستگی را ندارند. در این تحقیق، روشی سودمند برای تخمین عمق آبشستگی در خاک‌های چسبنده مبتنی بر راهکارهای هوش مصنوعی ارائه شده است. به منظور ارزیابی عملکرد روش‌ ذکر شده از داده‌های آزمایشگاهی در دو حالت با بعد و بی بعد استفاده شده است. در اینجا ابتدا مدل مناسبی مبتنی بر شبکه عصبی مصنوعی ارائه شده و سپس با استفاده از الگوریتم ژنتیک بهینه شده است. متوسط ضریب همبستگی بدست آمده برای داده‌های بی‌بعد با استفاده از روش پیشنهادی 97/0 بوده است. در این مدل شبکه عصبی بهینه شده با الگوریتم ژنتیک، مقدار ریشه میانگین مربعات خطا، 094/0 می باشد. نتایج حاصل نشان می‌دهد که شبکه عصبی مصنوعی و بهینه کردن آن با الگوریتم ژنتیک در تخمین عمق آبشستگی پایه‌های پل در بسترهای با رسوبات چسبنده در مقایسه با معادلات تجربی عملکرد بسیار بهتری دارد.