پیش بینی عمق حفره آب شستگی اطراف پایه پل با استفاده از روش رگرسیون ماشین بردارپشتیبان

آب شستگی یکی از عمده ترین عوامل تخریب پایه پل ها می باشد. بنابراین، تخمین عمق حفره آبشستگی پایه پل ها جهت جلوگیری از واژگونی آنها از اهمیت زیادی برخوردار است. تاکنون فرمول ها و روابط تجربی زیادی همچون کلمن 1791 (، لاراس ) 1791 (، بروزرس ) 1799 ( و گانیاکتی ) 1799 برای این منظور ارائه شده است؛ اما این روابط از دقت مناسبی برخوردار نیستند. علاوه بر این، پیچیدگی مدل سازی فرایند آب شستگی سبب شده است تا از روش های جایگزین روابط تجربی، همانند روش رگرسیون ماشین بردار پشتیبان برای تخمین عمق آب شستگی پایه پلها استفاده شود. پیش از این، از شبکه های عصبی مصنوعی به عنوان شناخته شده ترین روش هوش مصنوعی، برای تخمین عمق آب شستگی پایه پل ها استفاده شده، اما عملکرد روش رگرسیون ماشین بردارپشتیبان SVR کمترمورد بررسی قرارگرفته است. در تحقیق حاضر، عملکرد روش رگرسیون ماشین بردار پشتیبان درتخمین عمق حفره آب شستگی اطراف پایه پل مورد بررسی واقع شده و نتایج حاصل از مدل با نتایج حاصل از روابط تجربی فوق الذکر مقایسه گردید. نتایج بدست آمده نشان داد روش رگرسیون ماشین بردار پشتیبان نسبت به روابط تجربی ارائه شده از توانمندی قابل توجهی در پیش بینی عمق حفره آب شستگی برخوردار است

Keywords:

عمق آب شستگی , حفره آب شستگی , رگرسیون ماشین بردار پشتیبان , پایه پل , مدل سازی