مقایسه و پیشبینی آبشستگی موضعی اطراف پایه ی پل با استفاده از روش QNET

آبشستگی اطراف پایه های پل یکی از پدیده های طبیعی و مهمترین عوامل تهدید کننده پایداری سازه های هیدرولیکی است که عمدتا ناشی از فرآیندهای فرسایشی ناشی از میدان جریان در آبراهه های آبرفتی می باشد. این پدیده پیچیده هیدرولیکی با عواملی همچون سرعت جریان، عمق آب، مشخصات هندسی پایه پل و نوع خاک بستر ارتباط مستقیم دارد. آبشستگی موضعی اطراف پایه های پل فرآیندی وابسته به زمان است. تخمین کمتر عمق آبشستگی منجر به طراحی کم عمق پی ها شده و تخمین بیشتر عمق آبشستگی منجر به غیراقتصادی شدن طرح خواهد شد. تاکنون پژوهشگران بسیاری آبشستگی موضعی اطراف پایه های پل را بررسی کرده اند و روش های مناسبی را برای کنترل و کاهش آبشستگی ارائه داده اند که شامل روش های اصلاح الگوی جریان در این نواحی و همچنین روش های مقاوم سازی بستر است. بنابراین مطالعه و بررسی روش های موثر برای کاهش میزان آبشستگی از اهمیت ویژه ای برخوردار است. پژوهش های اخیر نشان داده اند که تکنیک های نوین و الگوریتم های هوش مصنوعی به عنوان ابزارهای پیشرفته برای تحلیل و پیش بینی آبشستگی مورد توجه قرار گرفته اند. این الگوریتم ها با تحلیل داده های پیچیده و شبیه سازی های دقیق قادر به پیش بینی موثر میزان و الگوهای آبشستگی می باشد و به مهندسان و طراحان کمک می کند تا اقدامات لازم را برای بهبود طراحی و افزایش ایمنی سازه های پل اتخاذ کنند. در این پژوهش عملکرد الگوریتم QNET در پیش بینی آبشستگی مورد ارزیابی قرار گرفته است تا اثربخشی آن در کاهش این پدیده و بهبود عملکرد سازه های پل بررسی شود. استفاده از این تکنیک های پیشرفته می تواند به بهینه سازی روش های حفاظتی و طراحی و در نهایت به ارتقای ایمنی و پایداری سازه های پل کمک شایانی نماید. نتایج حاصل از الگوریتم هوش مصنوعی نشان می دهد که ترکیب پارامترهای ((W. ((max, Cp در الگوریتم QNET در مرحله آموزش و آزمون به ترتیب برابر (۰.۹۹۷۵=RMSE=۰.۰۰۷۳)،(R۲) و (۰.۹۹۵۸=RMSE=۰.۰۱۱۱)،(R۲) می باشد. این نتایج، بهینه ترین خروجی را در مقایسه با ترکیب های دیگر ارائه می دهد و نشان دهنده دقت بسیار مطلوب الگوریتم QNET در پیش بینی آبشستگی است. همچنین آنالیز حساسیت نشان می دهد که عدد فرود () بیشترین تاثیر را بر میزان آبشستگی دارد. (gD)۰.۵

Keywords:

پایه , پل , عمق , فرسایش , فرسایش موضعی , نرم افزار QNET