مقایسه دقت روش های الگوریتم ژنتیک، حداقل مربعات ماشین بردار پشتیبان و روش ترکیبی در تخمین عمق آبشستگی پایه های ساده پلها

در این پژوهش با استفاده از داده­های میدانی، دقت روش­های روابط تجربی، الگوریتم ژنتیک (GA)، حداقل مربعات ماشین بردار پشتیبان (LSSVM) و روش ترکیبی در تخمین عمق آبشستگی پایه­های ساده پلها مقایسه شد. در روش GA، تعدادی از روابط تجربی اصلاح و نتایج حاصل از این روابط اصلاح شده با مقادیر واقعی آبشستگی مقایسه شد. در روش LSSVM، از طریق ورودی پارامترهای مختلف مستقل، آموزش مدل انجام و مقدار عمق آبشستگی پیش­بینی شد. در روش ترکیبی، با استفاده از مدل LSSVM از ترکیب نتایج روابط مختلف منفرد، مقدار عمق آبشستگی پایه پل تخمین زده شد. نتایج نشان داد روابط اصلاح شده توسط الگوریتم ژنتیک و مدل LSSVM دقت بالاتری نسبت به روابط تجربی دارند. همچنین چنانچه تنها پارامترهای استفاده شده در روابط تجربی به عنوان پارامترهای ورودی به مدل LSSVM لحاظ شوند، روابط اصلاح شده خطای کمتری نسبت به مدل LSSVM دارند. شاخص­های ارزیابی RMSE، E، R۲ و NSE برای بهترین حالت روش ترکیبی در مرحله آموزش به ترتیب ۴/۰ متر، ۴۹ درصد، ۸۸/۰ و ۵۸/۰ و در مرحله آزمون به ترتیب ۵۲/۰ متر، ۵۰ درصد، ۷/۰ و ۳۸/۰ می­باشند. در مجموع روش ترکیبی، عمق آبشستگی را با دقت بالاتری نسبت به دیگر روش­ها تخمین می­زند.

Keywords:

Bridge Piers , Empirical Relationships , Genetic algorithm , LSSVM , Water resources , آبشستگی , پایه پل , روابط تجربی , الگوریتم ژنتیک , LSSVM