مهدی ماجدی اصل

آبشستگی (Scour) پدیدهای است که در اثر جریان آب، مواد بستر رودخانه یا کانال از اطراف سازههایی مانند خطوط لوله عبوری برداشته میشوند. این فرسایش موضعی میتواند به تخریب بستر و کاهش پایداری خطوط لوله منجر شود. خطرات ناشی از آبشستگی شامل ناپایداری و شکست سازهها، آسیب به زیرساختها، نشتی یا پارگی لولهها و در موارد بحرانی حتی منجر به فجایع زیستمحیطی و اقتصادی میشود. مدیریت صحیح و پیشبینی دقیق عمق آبشستگی برای جلوگیری از این مخاطرات بسیار حائز اهمیت است . در این پژوهش، کارایی روش شبکه عصبی مصنوعی (ANN) برای پیشبینی عمق آبشستگی مورد ارزیابی قرار گرفته است. به منظور اعتبارسنجی این روش از 33 مجموعه داده آزمایشگاهی استفاده شده است. پارامترهای هندسی و هیدرولیکی مورد بررسی شامل (𝑑𝑠𝑚𝑎𝑥𝐷.𝑒𝐷.𝑦𝐷.Fr.𝐿𝐷) میباشد. نتایج حاصل از روش شبکه عصبی مصنوعی) Artificial Neural Network – ANN ( در مرحله آموزش وآزمون ترکیب برتر )ترکیب اول( نشان داد که شاخصهای ارزیابی DC ، RMSE و 2R ،0/9393 ،0/3329 ،0/0222 ،0/ به ترتیب برابر است با 3332 0/9329 که این نتایج حاکی از آن است که ترکیب برتر )ترکیب اول( خروجی بهینهتری ،0/1190 نسبت به سایر ترکیبات ارائه داده و دقت بالای روش ANN در پیشبینی عمق آبشستگی را تأییدمیکند. علاوه بر این، تحلیل حساسیت نشان داد که پارامتر (𝑒𝐷) بیشترین تأثیر را در تعیین عمق آبشستگی در مقایسه با سایر پارامترها دارد