ارزيابي عملكرد سيستم‌هاي هوش مصنوعي براي شبيه‌سازي آبشستگي پايه‌هاي پل در خاك‌هاي چسبنده

Evaluation of Artificial Intelligence Systems for Simulation of Bridge Piers Scouring in Cohesive Soils

آبشستگي اطراف پايه‌هاي پل به عنوان يكي از مهمترين و موثرترين عوامل تخريب پل‌ها، در واقع نوعي فرسايش در اطراف پايه‌ها مي‌باشد كه در اثر جريان‌هاي پيچيده گردابي رخ داده و به صورت كلي باعث ايجاد يك گودال در اطراف پايه‌هاي پل مي‌شود. تاكنون تحقيقات آزمايشگاهي و صحرايي كه در اين خصوص انجام شده منجربه ارايه روابط متعدد براي تخمين عمق آبشستگي شده است ولي روابط موجود به نتايج جامع و قابل قبولي منجر نشده است. در اين تحقيق به كمك داده‌هاي آزمايشگاهي انجام شده در مورد پايه استوانه‌اي و بستر با خاك چسبنده از قابليت سيستم‌هاي هوش مصنوعي در شبيه‌سازي ميزان عمق آبشستگي پايه‌هاي پل استفاده شده است. بدين منظور با استفاده از شبكه‌هاي عصبي FFNN، RBF، GRNN و شبكه فازي- عصبي ANFIS براي هر دو حالت داده‌هاي بابعد و بي‌بعد، عمق آبشستگي محاسبه شده و با انجام آناليز حساسيت به بررسي تاثير پارامترها در عمق آبشستگي پرداخته شده است. نتيجه حاصله حاكي از اين است كه مدل ANFIS با وجود كارايي بهتر نسبت به شبكه‌هاي GRNN و RBF داراي عملكرد ضعيف‌تري در مقايسه با شبكه FFNN است.

Scouring around bridge piers as one of important and effective factors in bridge damage is a kind of erosion around the pier that occurs due to the effect of complex vortex flows and generally, result is a trench around the pier of bridge. Many field and laboratory investigations of scour around bridge pier and foundations cause to give different equations for prediction of scour depth. But, results of these equations are not satisfactory. In this research, capability of artificial intelligence is evaluated for simulation of cylindrical bridge pier scouring using laboratory data of cohesive soil bed. Using FFNN (Feed Forward Neural Network), RBF (Radial Basis Function), GRNN (Generalized Regression Neural Network) neural networks and ANFIS, scouring depth is calculated for both of dimensional and non–dimensional data and then using sensitivity analysis, effect of all parameters on pier scouring is determined. The results indicate that the ANFIS model leads to better results than the RBF and GRNN models but it is not as robust as FFNN.