استفاده از روش هاي نوين در تعيين پارامترهاي موثر بر آبشستگي پايه پل

Determinations of Affecting Parameters on Bridge Pier Scour Using New Methods

تخمين عمق آبشستگي در اطراف پايه پل براي مهندسان ضروري است. تاكنون روابط تجربي زيادي به منظور پيش‌بيني عمق آبشستگي ارايه شده است و در اين روابط از پارامترهاي با بعد و بي بعد مختلفي به منظور تخمين استفاده گرديده است. در اين تحقيق دو سري پارامترهاي داراي بعد و بدون بعد كه انتظار مي رود بر آبشستگي پايه پل موثر باشند انتخاب گرديد. سپس با استفاده از سه روش آزمون گاما (GT)، تحليل مولفه هاي اصلي (PCA) و رگرسيون گام به گام (FS) پارامترهاي موثر بر آبشستگي از بين كل پارامترها انتخاب شدند. با استفاده از آزمون گاما مشخص شد مهمترين پارامتر داراي بعد و بدون بعد به ترتيب سرعت بحراني و نسبت طول به عرض پايه پل است و شكل پايه كمترين تاثير را در تخمين دارد. همچنين مشخص گرديد تعداد مناسب داده به منظور آموزش مدل 360 عدد است. با استفاده از تكنيك ماشين بردار پشتيبان (SVM) اقدام به شبيه سازي و تخمين عمق آبشستگي با استفاده از پارامترهاي تعيين شده توسط سه روش گرديد. نتايج نشان داد پارامترهاي بي بعد تعيين شده توسط هر سه روش دقت كمي در تخمين عمق آبشستگي دارند اما تكنيك SVM توانسته با استفاده از پارامترهاي داراي بعد تخمين قابل قبولي ارايه دهد. مقدار ضريب تعيين تكنيك SVM با استفاده از پارامترهاي ورودي روش هاي GT، PCA و FS در مرحله آزمون به ترتيب برابر با 74/0، 65/0 و 72/0 و خطاي RMSE به ترتيب برابر 66/0، 59/0 و 52/0 متر گرديد. در اين تحقيق به منظور افزايش دقت، دو تركيب مختلف از پارامترهاي ورودي براي تخمين آبشستگي با اعماق كم و زياد تعيين گرديد. دقت حاصل از پيش بيني عمق آبشستگي SVM با روابط تجربي مقايسه گرديد و نتايج نشان داد SVM قابليت بالايي در تخمين عمق آبشستگي با استفاده از پارامترهاي داراي بعد دارد.

Estimating of bridge piers scouring is essential for engineers. Since many empirical formulas to predict the scour depth is presented and this formula used various dimensionless and dimensional parameters. In this study, two series dimensional and dimensionless parameters that are expected to be effective on pier scour were selected. Then, parameters affecting the scour were selected using three different methods: gamma test (GT), principal component analysis (PCA) and stepwise regression (FS). Findings indicated that using GT critical velocity and pier length to width ratio are most important dimensional and dimensionless parameters respectively and pier shape is less effective. Furthermore, 360 amounts of training data are required to ensure robust model estimation. Finally, we examine the use of support vector machines (SVMs) for estimating the scour depth using selected input parameters by three methods. The results showed that the accuracy of dimensionless parameters set by all three methods is low, but SVM technique was estimate the scour depth using dimensional parameters successfully. The coefficient of determination of the GT, PCA and FS parameters in test phase is 0.76, 0.69 and 0.73 respectively and RMSE is 0.63, 0.55 and 0.50 respectively. In this study, in order to increase accuracy, two different combinations of input parameters to estimate the scour depths were determined. The performances of SVM and empirical formula for scour depth prediction were compared and results showed that SVM model can be used for predicting scour depth more accurately compared to empirical formula using dimensional parameters.