بررسی عمق آبشستگی خطوط لوله عبوری از رودخانه با هوش مصنوعی به روش SVM

عبور خطوط لوله از عرض رودخانه ها برای انتقال آب، گاز و نفت، می تواند منجر به ایجاد آبشستگی موضعی در محل استقرار لوله ها شود. توسعه آبشستگی می تواند باعث بروز آسیب های ناشی از شکست لوله، اختلال در فرآیند بهره برداری، افزایش هزینه های بازسازی و همچنین خسارات زیست محیطی گردد. در این پژوهش، کارایی روش ماشین بردار پشتیبان (SVM) در پیشبینی عمق آبشستگی با استفاده از ۳۶ مجموعه داده آزمایشگاهی ارزیابی شده است. پارامترهای هندسی و هیدرولیکی مورد بررسی شامل (𝑑𝑠𝑚𝑎𝑥, 𝐷 𝑒, 𝐷.𝑦, 𝐷.Fr.𝐿, 𝐷) می باشد. نتایج حاصل از مدل سازی با هوش مصنوعی نشان داد که ترکیب پارامترهای مذکور در مرحله آموزش و آزمون با استفاده از شاخص های ارزیابی به ترتیب برابر با ۰.۹۷۲۴ DC, ۰.۰۵۱۹ RMSE, ۰.۹۸۱۴ R, ۰.۸۳۲۲ DC, ۰.۱۸۱۹ RMSE, ۰.۸۳۵۰ R می باشند. نتایج نسبت به سایر ترکیب ها بهینه ترین خروجی را به دست آورده و دقت بالای روش SVM را در پیشبینی عمق آبشستگی تایید می کند. همچنین، نتایج تحلیل حساسیت نشان داد که پارامتر (𝑒, 𝐷) تاثیرگذارترین عامل در تعیین عمق آبشستگی نسبت به سایر پارامترها است.

Keywords:

آبشستگی , آنالیز حساسیت , خطوط لوله , ماشین بردار پشتیبان (SVM)