تحليل حساسيت پارامترهاي مؤثر بر عمق آبشستگي در پائين‌دست پايه‌هاي پل جفت با استفاده از ماشين آموزش نيرومند

زمينه و هدف: آبشستگي موضعي به عنوان يكي از عوامل مهم كه باعث گسيختگي سازه پل ها، موج شكن ها و اسكه ها مي شود شناسايي شده است. پيچيدگي مكانيزم آبشستگي باعث شده است كه اين موضوع يكي از مهم ترين زمينه هاي مطالعاتي مهندسي عمران باشد. در سال هاي اخير، مطالعات فراواني بر روي آبشستگي موضعي اطراف پايه هاي پل انجام گرفته است. به دليل اهميت زياد پيش بيني و تخمين الگوي آبشستگي در مجاورت پايه هاي پل مطالعات فراواني بر روي اين نوع از سازه ها انجام شده است.روش پژوهش: در اين مطالعه براي اولين بار با استفاده از روش جديد ماشين آموزش نيرومند (ELM)، عمق آبشستگي در مجاورت پايه هاي پل دوقلو شبيه سازي شد. ابتدا پارامترهاي مؤثر شناسايي گرديد و چهار مدل ELM توسعه داده شد. سپس به كمك شبيه سازي مونت كارلو و روش اعتبار سنجي ضربدري نتايج عددي اعتبار سنجي شدند. در ادامه تابع فعال سازي sin به عنوان بهترين تابع فعال سازي تعيين شد. علاوه بر اين نتايج ELM با مدل هاي شبكه عصبي مصنوعي مقايسه گرديد كه مدل هاي ELM مقادير آبشستگي را با دقت بيشتري تخمين زدند. تحليل عدم قطعيت براي مدل هاي برتر ELM و ANN اجرا گرديد و براي مدل برتر يك رابطه پيشنهاد داده شد. براي كليه پارامترهاي ورودي تحليل حساسيت مشتق نسبي (PDSA) نيز اجرا گرديد.يافته ها: در ميان توابع فعال سازي موجود، تابع sin داراي عملكردي بهينه در مقايسه با ساير توابع فعال سازي بود. با توجه به تجزيه و تحليل نتايج مدل سازي، مدل ELM 1 به عنوان مدل برتر معرفي شد. اين مدل تابعي از كليه پارامترهاي ورودي بود. همچنين با حذف عدد فرود دقت مدل عددي به شكل قابل ملاحظه اي كاهش يافت فلذا پارامتر مذكور نيز به عنوان مؤثرترين پارامتر در مدل سازي آبشستگي در اطراف پايه هاي پل دوقلو توسط مدل ماشين آموزش نيرومند شناسايي شد.نتايج: با تجزيه و تحليل نتايج مدل سازي، مدل برتر ELM معرفي كرديد. نتايج مدل هاي ELM با مدل هاي ANN نيز مقايسه شد كه نشان داده شد مدل هاي ELM مقادير آبشستگي را با دقت بيشتري شبيه سازي مي كنند. براي مدل برتر ELM يك رابطه براي محاسبه عمق حفره آبشستگي پيشنهاد داده شد و در ادامه تحليل عدم قطعيت نشان داد كه اين مدل داراي عملكردي بيشتر از مقدار واقعي بود. علاوه بر اين تحليل حساسيت مشتق نسبي براي پارامترهاي ورودي نشان داد كه با افزايش عدد فرود مقدار تابع هدف (عمق آبشستگي) افزايش مي يابد.