مجتبی رمضانی مقدم - دانشجوی کارشناسی ارشد سازه های هیدرولیکی دانشگاه شهید باهنر کرمان
محسن نژاد رکابی - عضو باشگاه پژوهشگران جوان دانشگاه آزاد اسلامی واحد بهبهان

در این تحقیق با استفاده از قابلیتهای هوش مصنوعی عمق آبشستگی موضعی پایه پل برآورد شده است و نتایج این مدلها با نتایج روابط تجربی و داده‌های واقعی مقایسه شده است. بدین منظور از سه روش هوشمند، شبکه‌های عصبی مصنوعی پیش خور چند لایه (MLP)، شبکه‌های عصبی مصنوعی با پایه شعاعی (RBF) و نروفازی (ANFIS) مدلهایی برای تخمین عمق آبشستگی موضعی توسعه داده شده است و نتایج آنها با روابط تجربی، داده‌های اندازه‌گیری شده واقعی و با یکدیگر مقایسه شده است. مطابق نتایج، بهترین نتایج در مرحله آموزش مربوط به مدل RBF و در مرحله ارزیابی به ترتیب مربوط به مدلهای MLP, ANFIS و RBF بوده است. همچنین استفاده از روش‌های هوش مصنوعی در مقایسه با روابط تجربی، دقت برآورد عمق آبشستگی موضعی را افزایش داده و ارزیابی مطمئن‌تر و دقیق‌تری از عمق آبشستگی موضع را ارائه می‌دهد.

هوش مصنوعی، عمق آبشستگی موضعی، MLP، RBF، ANFIS