الهه میرزایی - دانشجوی کارشناسی ارشد گروه عمران، واحد سیرجان، دانشگاه آزاد اسلامی، سیرجان، ایران،
محمد ذونعمت کرمانی - دانشیار، عضو هییت علمی بخش مهندسی آب، دانشگاه شهید باهنر کرمان، کرمان، ایران،

خطوط لوله قرار گرفته در بستر دریا و سواحل سازه های مناسبی برای انتقال سیالات مانند گاز، نفت، آب و فاضلاب می باشند. با توجه به وجود جریان های دریایی در بستر دریا و اثر امواج بر خطوط لوله بالاخص درنزدیکی سواحل، وجود آبشستگی ایجاد شده زیر خطوط لوله های انتقال در کف دریا اجتناب ناپذیر می باشد. در صورت عدم کنترل آبشستگی و انجام اقدامات حفاظتی، آبشستگی ایجاد شده یکی از عوامل اصلی خرابی و بروز خسارات جدی به این سازه ها می باشد. بنابراین اولین قدم شناخت این پدیده و تخمین میزان حداکثر عمق آبشستگی به منظور انجام طراحی خطوط لوله و ارایه راهکارهای مناسب می باشد. در این پژوهش با استفاده از روش های مبتنی بر محاسبات نرم و داده محور (شامل شبکه عصبی پرسپترون چند لایه با الگوریتم آموزش شیب مزدوج و شبکه عصبی تابع پایه شعاعی) اقدام به بررسی و تعیین میزان بیشینه عمق آبشستگی در سازه های مربوطه شد. جهت نیل به این هدف تعداد 157 داده از مراجع مختلف گردآوری شد و به عنوان نمونه آماری تحقیق مد نظر قرار می گیرد. شبیه سازی براساس آموزش با 80 درصد داده ها و آزمون با 20 درصد باقیمانده صورت می پذیرد. به منظور ارزیابی کارایی و عملکرد نتایج حاصل از شبیه سازی روابط تجربی ارایه شده توسط محققان پیشین نیز مد نظر قرار گرفت. با توجه به مقایسه نتایج حاصل از تحقیق مشخص می شود که شبکه های عصبی مصنوعی مورد استفاده در این تحقیق عملکرد مناسب تری نسبت به روابط تجربی در تخمین میزان حداکثر عمق آبشستگی خطوط لوله در بستر دریا داشته اند. همچنین یافته های حاصل از تحقیق بیان می دارند که از بین دو نوع شبکه مورد استفاده، شبکه عصبی با الگوریتم آموزش شیب مزدوج نسبت به سایر برتر می باشد.

الگوریتم آموزش شیب مزدوج، حفره آبشستگی، خطوط انتقال سیالات، روش های داده محور، شبکه عصبی مصنوعی