ارزیابی عملکرد سیستم های هوش مصنوعی برای شبیه سازی آبشستگی پایه های پل در خاک های چسبنده

آبشستگی اطراف پایه های پل به عنوان یکی از مهمترین و موثرترین عوامل تخریب پل ها، در واقع نوعی فرسایش در اطراف پایه ها می باشد که در اثر جریان های پیچیده گردابی رخ داده و به صورت کلی باعث ایجاد یک گودال در اطراف پایه های پل می شود. تاکنون تحقیقات آزمایشگاهی و صحرایی که در این خصوص انجام شده منجربه ارائه روابط متعدد برای تخمین عمق آبشستگی شده است ولی روابط موجود به نتایج جامع و قابل قبولی منجر نشده است. در این تحقیق به کمک داده های آزمایشگاهی انجام شده در مورد پایه استوانه ای و بستر با خاک چسبنده از قابلیت سیستم های هوش مصنوعی در شبیه سازی میزان عمق آبشستگی پایه های پل استفاده شده است. بدین منظور با استفاده از شبکه های عصبی FFNN، RBF، GRNN و شبکه فازی- عصبی ANFIS برای هر دو حالت داده های بابعد و بی بعد، عمق آبشستگی محاسبه شده و با انجام آنالیز حساسیت به بررسی تاثیر پارامترها در عمق آبشستگی پرداخته شده است. نتیجه حاصله حاکی از این است که مدل ANFIS با وجود کارایی بهتر نسبت به شبکه های GRNN و RBF دارای عملکرد ضعیف تری در مقایسه با شبکه FFNN است.