پيش بيني و ارزيابي عمق آبشستگي در زير خطوط لوله با استفاده از روش هاي پايه كرنلي براي جريان هاي يكنواخت

با عبور خطوط لوله از بستر رودخانه، دريا و اقيانوس‌ها باعث ايجاد تغييراتي در الگو جريان مي‌شود. در نتيجه اين تغييرات، تنش برشي بستر و آشفتگي جريان افزايش مي‌يابد و خاك بستر زير اين خطوط را دچار آبشستگي كرده و گودال آبشستگي به‌وجود مي‌آيد. اين گودال‌ها سبب مي‌شوند كه لوله تحت اثر نيروي وزن خود در معرض آسيب‌ديدگي و شكست باشد؛ كه در صورت وقوع اين اتفاق خسارات جبران‌ناپذير محيط زيستي و مالي ايجاد مي‌كند. از اين رو بررسي عمق گودال آبشستگي و عوامل مؤثر در به‌وجود آمدن آن براي كاهش آبشستگي و خسارات ناشي از آن بسيار حائز اهميت مي‌باشد. در اين تحقيق به تأثير عوامل متعددي بر آبشستگي زير خطوط لوله در جريان يكنواخت با استفاده از روش رگرسيون فرايند گاوسي (GPR) Gaussian Process Regression و ماشين بردار پشتيبان (SVM) Support Vector Machines و مقايسه نتايج آن با روابط ارائه شده پرداخته شده است. بدين منظـور داده‌هاي آزمايشگاهي متعددي مورد استفاده قرار گرفته و پس از تعريف چندين پارامتـر بدون بعد، عملكرد روش‌هاي مذكور مورد ارزيابي قرار گرفته است. نتايج به‌دست آمده به خوبي نشان مي‌دهـد كه اين روش‌ها كارايي بهتري نسبت به روابط تجربي دارند. بررسي‌ها نشان داد مـدل ماشين بردار پشتيبان با متغييرهاي ورودي h/D، D/d، Re و S0 با دارا بودن مقادير معيارهاي ارزيابي RMSE) Root) Mean Square Error برابر 0/084، R برابر با 0/877 و NSE برابر 0/767 بهترين نتيجه و عملكرد را دارد. لازم به ذكر است پارامترهاي h/D و D/d بيشترين تأثير را بر روي عمق آبشستگي زير خطوط لوله را دارند.