پیش بینی آبشستگی اطراف گروه پایه کج با استفاده از شبکه های عصبی مصنوعی با ساختار پرسپترون چندلایه

آگاهی از عوامل شکل دهنده آبشستگی پایه های پل و تخمین ابعاد آن از اهمیت بسزائی در طراحی ایمن پل ها برخوردار است. از این رو تحقیقات وسیعی تاکنون در این رابطه انجام شده است. از سوی دیگر با پیشرفت فناوری طراحی و ساخت سازه ها، شاهد ساخت پل ها با اشکال گوناگونی بوده که از جمله آنها می توان به پل های با پایهبا ساختار پرسپترون چند لایه برای پیش بینی حداکثر عمق آبشستگی اطراف گروه پایه )ANN( گروه کج اشاره نمود. در این تحقیق یک رهیافت شبکه عصبی مصنوعیکج که به دلیل ترکیب همزمان تاثیر کج شدگی پایه ها، فونداسیون و سپرشدگی پایه دوم از پیچیدگی زیادی برخوردار است، بکار گرفتاه شاده اسات. بارای این منظورمجموعه داده های مربوط به 84 آزمایش برای شرایط هیدرولیکی و رقوم کارگذاری پایه گروه کج شامل سرعت های نسبی 0/4 ،0/59 ،)U / Uc و0/6و0/5 نسبت عمق به عرض y / D*1 تا 3 و چهار تراز کارگذاری فونداسیونZ / D* -1و-0/5وصفرو1 برای بررسای عملکارد شابکه عصابی در پایش بینای حاداکثر عمق آبشستگی مورد استفاده قرار گرفت

Keywords:

عمق آبشستگی , گروه پایه کج , شبکه عصبی , پرسترون چند لایه , قانون یادگیری