پیش بینی عمق آبشستگی اطراف گروه پایه های قایم با در نظر گرفتن امواج نوسانی با استفاده از ماشین بردار پشتیبان (SVM)

بر اثر اندرکنش شرایط جریان و حرکت مصالح بسترهای فرسایش پذیر و با برخورد جریان به پایه پل و تغییر الگوی جریان در اطراف آن گردابه نعل اسبی ایجاد شده که به وقوع آبشستگی منجر میشود. آبشستگی پایه پل یک مشکل اساسی قابل تامل میباشد چرا که عدم توجه به آن باعث تخریب و در نهایت شکست فوندانسیون پل میگردد، از آنجایی که تخمین دقیق آبشستگی بسیار حایز اهمیت میباشد لذا استفاده از روشهایی که بتواند عمق آبشستگی را با دقت زیادی تخمین بزند در سالهای اخیر مورد توجه محققین زیادی بوده است از این رو امروزه از روشهای هوش مصنوعی برای مدلسازی سیستمهای غیرخطی استفاده میشود در تحقیق حاضر، آبشستگی گروه پایه های پل با در نظر گرفتن امواج نوسانی با استفاده از ماشین بردار پشتیبان پیشبینی شده و با روابط تجربی و داده های آزمایشگاهی مختلف مورد مقایسه قرار گرفته است .بررسیها نشان داده است که نتایج حاصل از ماشین بردار پشتیبان از دقت بیشتری نسبت به روابط تجربی برخوردار است که بیانگر عملکرد مناسبتر روش ماشین بردار پشتیبان نسبت به روابط تجربی میباشد. همچنین مقادیر پارامترهای آماری برای روش SVM به قرار زیر میباشد ،0.96139 = RMSE= 0.07281 ،Dcو برای روابط تجربی بهترین نتایج شاخصهای آماری، 0.280952 =Dc وRMSE=0.3258 میباشد که پرواضح است که نتایج گویای عملکرد عالی روش SVM میباشد.