ارزيابي عملكرد روش هاي داده كاوي و روابط تجربي در تخمين عمق آب شستگي اطراف پايه هاي پل

Assessment of Data-Mining and Some Empirical Methods in Scour Depth Estimation at Briclge Piers

يكي از عواملي كه همواره پل­ها را مورد تهديد قرار مي­دهد، آب­شستگي موضعي مي­باشد. پرشمار بودن فراسنج ­هاي تاثيرگذار بر پديده­ي آبشستگي و همچنين پيچيدگي فرايند آب­شستگي، بررسي اين پديده را با دشواري­ هاي بسيار همراه نموده است. به­رغم تلاش ­هاي زياد صورت گرفته در اين زمينه و تعدد روابط تجربي موجود، رابطه­ي كلي و جامعي براي تخمين عمق حفره­ي آب­شستگي در همه ­ي شرايط موجود نيست. امروزه استفاده از روش­هاي نوين داده­كاوي، سامانه­هاي هوشمند و نرم­افزار درختي M5، براي حل و شبيه­ سازي مسائل پيچيده ­ي مهندسي آب مورد توجه واقع شده­اند. در اين تحقيق، با استفاده از داده­هاي آزمايشگاهي و مشخص نمودن 10 نمايشنامه مختلف، شامل تركيب­هاي متفاوتي از عوامل موثر بر آب­شستگي، سعي بر بررسي كارايي روش­هاي شبكه عصبي مصنوعي و نرم ­افزار درختي M5 در تخمين عمق آب­شستگي پايه­ي پل و مقايسه­ ي دستاوردها با نتايج روابط تجربي Melville، Mississippi و HEC-18 شده است. نتايج به­دست آمده نشان دادند نرم­افزار درختي M5، با ارائه­ ي دو قانون ساده اگر-آن­گاه و با ضريب همبستگي ۰/۹۵ در مقايسه با روش شبكه­­ هاي عصبي مصنوعي و روابط تجربي در تخمين آ­­ب­شستگي از كارايي بالايي برخوردار است. همچنين، مشخص گرديد كه براي داده­ هاي آزمايشگاهي مورد استفاده در اين تحقيق و از بين روابط تجربي موجود، روابط HEC-18، Mississippi و Melville به ترتيب از دقت نسبتا بالايي برخوردار مي باشند.

Local scour at . bridge pieds is one of the numeroussafty hazaraels that the eaten their stability. An abundance of such facfors and their complexities، along with a mulfiplicity ofempirical relationships، make the development of an integrated approach for estimation of scour depth very difficult. However، the presence of novel data-mining approaches such as the artificial nevral networks (ANN) and the M5 Tree Model has facilitated the solution of complicated engineering problems. In this study by using laboratory data and identifying 10 scenarios including different combinations of effective parameters in scour depth، the performance of ANN and M5 tree models have been investigated and results compared with 3 empirical relationships (Melville، Mississippi and HEC-18). The results indicated that the M5 Tree Model via presenting 2 simple if-then rules and may CC=0.95 in comparison with the other ANN and empirical approaches may estimate scour depth with high accuracy. The results ahso indicated that between the 3 used empirical relations، HEC-18، Mississippi and Melville relations presents high accuracy، respecfively.