«یادداشت تحقیقاتی» کاربرد روش‌های داده‌کاوی در تخمین عمق آبشستگی گروه پایه‌ها

گروه پایه‌ها به طور گسترده به عنوان پی به منظور حفاظت سازه‌های آبی در مهندسی سواحل و رودخانه‌ها استفاده می‌شوند. بدون شک آب‌شستگی در پایه‌ها از مهمترین دلایل ناپایداری سازه‌های آبی است که منجر به شکست و تخریب آن‌ها می‌شود. تخمین درست از عمق آبشستگی اطراف پایه‌ها به‌دلیل پیچیدگی رفتار جریان اطراف پایه در یک بستر فرسایش‌پذیر کار بسیار دشواری است. در تحقیق حاضر معادلات تجربی مختلف برای تعیین عمق آبشستگی گروه پایه‌ها تحت جریان امواج و ارزیابی دقت این روش‌ها در مقایسه با داده‌های اندازه‌گیری شده بررسی و روش‌هایی در این زمینه، با بهره جستن از روش‌های داده‌کاوی همچون رگرسیون چند متغیره، برنامه‌ریزی ژنتیک، شبکه عصبی مصنوعی، رگرسیون درختی و شبکه عصبی-فازی ارائه گردیده است. نتایج نشان داد که روابط تجربی موجود کارایی لازم در این زمینه را نداشته و بهترین روش تجربی دارای ضریب تبیین 57/0 و جذر میانگین مربعات خطا 29/1 است. در حالی‌که از بین روش‌های هوش مصنوعی، روش شبکه عصبی-فازی با ضریب تبیین 94/0، جذر میانگین مربعات خطا 04/0 و راندمان مدل 97/0 بخوبی عمق آب‌شستگی را پیش‌بینی می‌کند. روش ارائه شده در این تحقیق رهیافت جدیدی در تخمین عمق آبشستگی گروه پایه‌ها در رودخانه محسوب شده و به خوبی قابلیت اتصال و ترکیب با مدل‌های ریاضی را دارد.