پیشبینی عمق آبشستگی در پایه های استوانهای شکل با استفاده از درختهای رگرسیونی و مقایسه آن با روشهای تجربی

یکی از عوامل بسیار مهم در تخریب پل ها آبشستگی است. در طراحی پل هایی که بر روی رودخانه ها قرار می گیرند عمق نهایی آب شستگی، عامل بسیار تعیین کننده ای است چرا که جیان پس از برخورد با پایه های پل تشکیل سیستم های گردابی داده که این سیتسم ها اطراف پایه را خالی کرده و موجب ناپایداری پل می گردند. محققین بسیاری در گذشته پارامترهای مؤثر بر این پدیده را بررسی و روابط تجربی متعددی ارائه کرده اند. در سال های اخیر ابزارهای محاسباتی نرم مانند شبکه های عصبی مصنوعی، سیستم استنباط فازی و ... برای تخمین عمق نهایی آبشستگی مورد استفاده قرار گرفته است. درخت‌های تصمیم گیری یکی از ابزارهای داده کاوی متداول برای پیش بینی می باشند که در فرایند آموزش داده ها، تولید یکسری قوانین می کنند و پیش بینی خود را بر اساس این قوانین تولید شده انجام می دهد. سرعت، دقت بالا و تصمیم گیری بر اساس ارزش دهی به هر یک از پارامترها برای ایجاد مدل مناسب از مزیت های این روش می باشد، در این تحقیق با استفاده از درخت های تصمیم رگرسیونی و با به کار بردن الگوریتم CART عمق نهایی آبشستگی در پایه های پل تخمین زده شده است. داده های مورد استفاده در این تحقیق شامل 11 سری داده آزمایشگاهی در شرایط آب زلال می باشند. پارامترهای اندازه گیری شده آزمایشگاهی شامل قطر متوسط ذرات (d50)، قطر (d)، عمق آب (y) ، سرعت متوسط جریان (u)، سرعت بحرانی (uc) و عمق آبشستگی (ds) می باشند. از پارامترهای مذکور برای ساخت و اریابی مدل درخت رگرسیونی استافده شده است و در نهایت نتایج مدل با دقت بیشتر نسبت به مدل های تجربی می باشند.

Keywords:

آبشستگی , پایه پل , درخت تصمیم گیری , داده کاوی