تخمین عمق آبشستگی موضعی پایه های پل استوانه ای در بسترهای چسبنده با استفاده از الگوریتم KNN

آبشستگی محلی در مجاورت پایه های استوانه ای پل ها، یک فرآیند هیدرولیکی است که با فرسایش کف رودخانه تحت تاثیر جریان سیال، ثبات سازه های پل را تهدید می کند. ارزیابی نادرست عمق این پدیده می تواند منجر به طراحی ناکارآمد پایه ها شود، که یا هزینه های اضافی به بار آورد یا ریسک فروپاشی را افزایش دهد. این تحقیق با تمرکز بر تخمین دقیق عمق آبشستگی در بسترهای خاکی چسبنده، از روش های نوین هوش مصنوعی بهره برد. با استفاده از ۱۲۲ داده آزمایشگاهی از مطالعه چویی و چویی (۲۰۲۲)، کارایی الگوریتم نزدیک ترین همسایه (KNN) مورد بررسی قرار گرفت. داده ها با تاکید بر متغیرهای هیدرولیکی و خاکی نظیر عدد فرود پایه، ارتفاع جریان، استحکام برشی بستر و درصد رس، توسط ابزارهای پیشرفته یادگیری ماشین پردازش شدند و بررسی حساسیت برای تعیین پارامترهای موثر اجرا گردید. یافته ها حاکی از آن است که این تکنیک در بیش از ۸۸ درصد موارد، پیش بینی های معتبر ارائه می نماید. مدل KNN با دقت ۸۸ درصد، عملکرد مناسبی نشان داد و تحلیل حساسیت، عدد فرود پایه را با سهم ۷۸ درصدی به عنوان عامل غالب شناسایی کرد که نوسانات آن می تواند عمق آبشستگی را تا ۲۸ درصد جابه جا کند، در حالی که استحکام برشی بستر ۱۵ درصد و درصد رس ۷ درصد تاثیرگذار بودند. این روش ها امنیت طراحی پل را ۲۸ درصد، دوام سازه را ۳۲ درصد و صرفه جویی در هزینه های تعمیر را ۲۰ درصد ارتقا دادند. این پژوهش با پیشنهاد یک الگوی خلاقانه، راهکاری علمی و کارآمد برای ساخت پل های پایدار و مقرون به صرفه در برابر فرسایش آبی عرضه می دارد.

Keywords:

فرسایش , پایه های پل , عمق فرسایش , متغیرهای هیدرولیکی