صمد امامقلی زاده - دانشیار گروه آب و محیطزیست، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود، شاهرود، ایران.
محمد علی رحیمی - دانشجوی کارشناسی ارشد سازه های آبی، گروه آب وخاک دانشکده کشاورزی، دانشگاه صنعتی شاهرود، شاهرود، ایران.

برخورد جریان به پایه های پل و تکیه گاه ها جریان های آشفته ای را ایجاد می کند که سبب فرسایش در کنار پایه ها و تکیه گاه های پل شده و در نتیجه تخریب پل ها را در پی دارد. با توجه به پیچیدگی موضوع و پارامترهای زیادی که دخالت دارند هنوز یک رابطه ی دقیق یا راه حل اساسی برای پیش بینی عمق آبشستگی ارائه نشده است. در تحقیق حاضر عمق آبشستگی با استفاده از داده های اندازه گیری شده و با به کارگیری روش شبکه عصبی مصنوعی، رگرسیون خطی و غیرخطی و روابط تجربی برآورد شد. داده ها به دو صورت، با بعد و بدون بعد که با استفاده از آنالیز ابعادی بدست آمد مورد استفاده قرار گرفتند. نتایج نشان داد مدل شبکه عصبی مصنوعی توانسته است با به کارگیری پارامترهای تاثیرگذار عمق آبشستگی را با ضریب تبیین برابر با ۹۷/۰ و ۸۱/۰ و همچنین خطای RMSE برابر با m۰۱/۰ و ۳۲/۰ به ترتیب زمانی که داده ها بابعد و بدون بعد استفاده شده اند، پیش بینی کند. همچنین رابطه تجربی دانشگاه ایالتی کلرادو توانسته است عمق آبشستگی را با ضریب تبیین و خطای RMSE برابر با ۵۳/۰ و ۵۲/۰ متر پیش بینی کند. مقایسه نتایج مدل های مختلف نشان می دهد که مدل شبکه عصبی مصنوعی مقدار خطای پیش بینی عمق آبشستگی را به ترتیب ۷۰، ۷/۸۵ و ۷/۸۷ درصد در مقایسه با مدل رگرسیون خطی، مدل رگرسیون غیرخطی و رابطه تجربی دانشگاه ایالتی کلرادو کاهش داد.

آبشستگی, پایه پل ها, روابط تجربی, شبکه عصبی مصنوعی