مدل سازی عمق آبشستگی اطراف انواع تک پایه و گروه پایه های مایل

با توجه به اهمیت پدیده آبشستگی در طراحی پل ها، امروزه برای بالا بردن دقت تخمین عمق آبشستگی از  شبکه های عصبی مصنوعی بهره گرفته می شود. در این تحقیق برای پیش بینی عمق آبشستگی اطراف گروه پایه پل مایل از روشی نوین به نام ماشین بردار پشتیبان استفاده شده است که در این روش از پارامترهای آماری ، ، RMSE، برای ارزیابی کارایی مدل ها استفاده شده است. نتایج نشان داد،  ترکیباتی که دارای هر دو نوع پارامترهای رسوبی و هیدرولیکی در مدل داده کاوی ماشین بردار پشتیبان می باشد، نتیجه بهتری در پیش بینی عمق آبشستگی ارایه می دهند. به طور نمونه، در حالت سه پایه، معیارهای ارزیابی مربوط به سناریو یک (پارامترهای هیدرولیکی)، 9914/0R2=، 9758/0DC= ، 0576/0 RMSE  و برای سناریو دو (پارامترهای هیدرولیکی و رسوبی)، برابر9924/0R2=، 9803/0DC=، 0529/0RMSE=  بدست آمده است که نشان می دهد ماشین بردار پشتیبان برای سناریو دوم عملکرد بهتری از خود نشان داده است. در ادامه برای محاسبه عمق آبشستگی اطراف گروه پایه مایل، برای حالت های تک پایه، سه پایه و چهارپایه روابط غیر خطی ارایه شده است.