محمد رضایی بالف - دانشجوی کارشناسی ارشد مهندسی عمران گروه مهندسی و مدیریت منابع آب، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان
محمد نجف زاده - استادیار گروه مهندسی عمران-آب، دانشگاه تحصیلات تکمیلی و فناوری پیشرفته کرمان
عصمت راشدی - استادیار گروه مهندسی برق، دانشگاه تحصیلات تکمیلی و فناوری پیشرفته کرمان

همواره در جریان رودخانه های طبیعی، وجود موانعی نظیر : کنده و شاخه و برگ درختان باعث تشدید پدیده آبشستگی موضعی پایه های پل ها می گردد. از این رو، تخمین دقیق آبشستگی موضعی به همراه موانع مورد توجه مهندسان طراح بوده است. تحقیقات آزمایشگاهی محدودی در زمینه آبشستگی موضعی پایه های پل ها به همراه تاثیر موانع شناور صورت گرفته است و حاصل این آزمایشات، روابط تجربی می باشد که در شرایط مختلف هیدرولیک جریان از عمومیت کلی برخوردار نمی باشد. در بسیاری از موارد، این روابط تجربی دارای دقت پایین در تخمین عمق آبشستگی می باشند. از این رو، امروزه از روش های هوش مصنوعی جهت تخمین عمق آبشستگی در اطراف پایه پل ها استفاده می گردد. در این تحقیق، عمق آبشستگی موضعی پایه پل به همراه موانع شناور با استفاده از الگوریتم درخت (MT) تخمین زده شد و نتایج آن با روش شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) و روابط تجربی مقایسه گردید. بدین ترتیب جهت مدلسازی آبشستگی موضعی پایه پل ها، داده های آزمایشگاهی از مطالعات محققین مختلف جمع آوری شده است که شامل پارامترهای مربوط به خصوصیات هیدرولیکی جریان، دانه بندی ذرات بستر رسوبی، قطر پایه پل و خصوصیات هندسی مانع شناور در اطراف پایه پل می باشند. نتایج حاصل از ارزیابی مدل پیشنهادی نشان داد که روش هوشمند MT با ضریب همبستگی (R) و 0/94 و جزر حداقل مربعات خطا (RMSE) و 0/34 در مقایسه با روش شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) (R=0/86 و RMSE=0/36) و روابط تجربی پالیارا و کارناچینا (R=0/83 و RMSE=0/51) از دقت بالایی برخوردار می باشد.

پایه های پل، رودخانه ها، آبشستگی ، مدل درخت، اجسام شناور