مشخصات پژوهش

عنوان	کاربرد الگوریتم SVM در پیش بینی عمق آبشستگی تک پایه قائم
نوع پژوهش	مقاله چاپ‌شده در مجلات علمی
کلیدواژه‌ها	آبشستگی موضعی، پارامترهای ورودی، ماشین بردار پشتیبان، محاسبات نرم
چکیده	آبشستگی موضعی حول فوندانسیون سازه های دریایی و هیدرولیکی یکی از مهم ترین عوامل در ناپایداری و خرابی این سازه ها است. همواره پیش بینی نادرست عمق آبشستگی حول پایه پل ها باعث تحمیل ضررهای مالی در پل سازی و به خطر افتادن جان انسان های بسیاری شده است از این رو براورد دقیق این پدیده پیچیده، اطراف پایه پل ها لازم و ضروری است. از آنجایی که فرمول های ارائه شده توسط محققین مختلف، مربوط به شرایط خاص آزمایشگاهی است، در شرایط دیگر کمتر صادق بوده و از دقت چندانی برخوردار نیستند. به تازگی محققان زیادی تلاش کردند تا روش ها و مدل های جدیدی را با عنوان محاسبات نرم، در پیش بینی این پدیده مهم مورد بررسی قرار دهند. در این پژوهش، برای پیش بینی عمق آبشستگی اطراف پایه پل 146 سری داده آزمایشگاهی مختلف (در سه نوع شرایط آزمایشگاهی متفاوت) با استفاده از ماشین بردار پشتیبان مورد تحلیل قرار گرفت. این داده ها در قالب ترکیبات مختلف متشکل از پارامترهای ورودی و D هستند که به ترتیب، ضخامت زیر لایه لزج، عدد رینولدز، سرعت بحرانی، پارامتر شیلدز، سرعت برشی، سرعت متوسط، قطر متوسط ذرات، عمق اولیه جریان و قطر پایه پل معرفی می شوند. پارامترهای گفته شده در دو سناریو متفاوت (حالت بابعد و حالت بی بعد) وارد شبکه SVM شدند. برای ارزیابی کارایی ترکیبات از معیارهای آماری RMSE (جذر میانگین مربعات خطاها)، (مجذور ضریب همبستگی بین مقادیر آزمایشگاهی و پیش بینی) و DC (ضریب تعیین خطی بین مقادیر پیش بینی شده و آزمایشگاهی) استفاده شده است. نتایج حاصل از این ماشین با نتایج به دست آمده از فرمول های تجربی و روابط ارائه شده در همین تحقیق مقایسه شد. نتایج حاصل از این پیش بینی است. نتایج نشان می دهد، در سناریو اول ترکیب شماره 5 با پارامترهای ورودی بی بعد و و در سناریو دوم نیز ترکیب شماره 5 با پارامترهای ورودی بابعد و برای مرحله آزمون، به عنوان برترین مدل انتخاب شده اند. درنتیجه از نتایج چنین استنباط شد که سناریو دو (حالت بابعد) در پیش بینی عمق آبشستگی حول تک پایه قائم براورد دقیق تری نسبت به سناریو اول (حالت بی بعد) ارائه داده است. در پایان آنالیز حساسیت روی پارامترها انجام شد و پارامترهای به ترتیب و به عنوان مؤثرترین پارامترها انتخاب شدند.
پژوهشگران	مهدی ماجدی اصل (نفر اول)، سعیده ولیزاده (نفر دوم)