محمدتقی ستاری - محمدتقی ستاری، عضو هیئت علمی گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
علی رضازاده جودی - کارشناس ارشد عمران آب، باشگاه پژوهشگران جوان و نخبگان، واحد مراغه، دانشگاه آزاد اسلامی، مراغه، ایران.
هادی ارونقی - عضو هیئت علمی گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

یکی از عواملی که همواره پل­ها را مورد تهدید قرار می­دهد، آب­شستگی موضعی می­باشد. پرشمار بودن فراسنج­های تاثیرگذار بر پدیده­ی آبشستگی و همچنین پیچیدگی فرایند آب­شستگی، بررسی این پدیده را با دشواری­های بسیار همراه نموده است. به­رغم تلاش­های زیاد صورت گرفته در این زمینه و تعدد روابط تجربی موجود، رابطه­ی کلی و جامعی برای تخمین عمق حفره­ی آب­شستگی در همه­ی شرایط موجود نیست. امروزه استفاده از روش­های نوین داده­کاوی، سامانه­های هوشمند و نرم­افزار درختی M۵، برای حل و شبیه­سازی مسائل پیچیده­ی مهندسی آب مورد توجه واقع شده­اند. در این تحقیق، با استفاده از داده­های آزمایشگاهی و مشخص نمودن ۱۰ نمایشنامه مختلف، شامل ترکیب­های متفاوتی از عوامل موثر بر آب­شستگی، سعی بر بررسی کارایی روش­های شبکه عصبی مصنوعی و نرم­افزار درختی M۵ در تخمین عمق آب­شستگی پایه­ی پل و مقایسه­ی دستاوردها با نتایج روابط تجربی Melville، Mississippi و HEC-۱۸ شده است. نتایج به­دست آمده نشان دادند نرم­افزار درختی M۵، با ارائه­ی دو قانون ساده اگر-آن­گاه و با ضریب همبستگی ۹۵/۰ در مقایسه با روش شبکه­­های عصبی مصنوعی و روابط تجربی در تخمین آ­­ب­شستگی از کارایی بالایی برخوردار است. همچنین، مشخص گردید که برای داده­های آزمایشگاهی مورد استفاده در این تحقیق و از بین روابط تجربی موجود، روابط HEC-۱۸، Mississippi و Melville به ترتیب از دقت نسبتا بالایی برخوردار می باشند.

آبشستگی موضعی, داده کاوی, نرم افزار درختی M۵, شبکه ی عصبی مصنوعی, روابط تجربی