کاربرد شبکه های عصبی رگرسیون کلی و پرسپترون در محاسبه عمق آبشستگی اطراف پایه های پل

تاکنون مطالعات گستردهای در زمینه استفاده از مدلهای مختلف شبکه عصبی جهت برآورد حداکثر عمق آبشستگی اطراف پایه های پل صورت گرفته که اکثر این تحقیقات دارای دو مدل مشکل عمده بوده اند. در نظر گرفتن تنها پایه های استوانه ای به عنوان پایه های پل و استفاده از اطلاعات آزمایشگاهی جهت ساخت مدل ها از مهمترین نقص های مطالعات صورت گرفته در زمینه برآورد حداکثر عمق آبشستگی اطراف پایه های پل به حساب می آید. بر همین اساس در این تحقیق علاوه بر شکل استوانه ای از اشکال مستطیلی، گرد گوشه و نوک تیز نیز استفاده شد. همچنین جهت ساخت و صحت سنجی مدل ها از اطلاعات واقعی که مشتمل بر 475 داده واقعی مربوط به آبشستگی اطراف پایه های پل بوده است، استفاده شده است. در این مطالعه شبکه های رگرسیون کلی و پرسپترون چند لایه جهت برآورد حداکثر عمق آبشستگی بکار رفته است. نتایج مقایسه مدل های مختلف عصبی نشان دهنده دقت بیشتر مدل رگرسیون کلی بوده اس. جهت بررسی کارآیی این مدل از معادلات تجربی موجود نیز استفاده شد. از جمله روابط مورد استفاده در این تحقیق می توان به رابطه بروسرز و همکاران، فروهلیچ، ملویل و ملویل و چیو اشاره کرد. نتایج مدل های مختلف نشان داد که مدل عصبی ارائه شده از کارآیی بهتری نسبت به روابط موجود برخوردار است.

Keywords:

شبکه عصبی , عمق آبشستگی , پایه پل , شبکه های رگرسیون کلی پرسپترون