ارزیابی روش‌های مختلف وزن‌دهی برای پیش‌بینی عمق آبشستگی پایین‌دست سازه‌های تثبیت بستر

تخمین عمق آبشستگی سازه از اهمیت زیادی برخوردار است. محققین بر مبنای کارهای آزمایشگاهی و صحرایی روابط تجربی متعددی ارائه داده‌اند ولی تاکنون رابطه‌ای که در شرایط مختلف نتایج قابل قبولی داشته باشد شناخته نشده است. در این پژوهش دقت روابط مختلف تجربی (منفرد) در دو مرحله‌ی قبل و بعد از اصلاح اریبی مورد ارزیابی قرار گرفتند. نتایج نشان می‌دهد قبل و بعد از اصلاح اریبی به‌ترتیب روابط منفرد مؤسسه‌ی ملی و ماسون با میانگین مربعات خطای 87/0 و 23/0 متر بیشترین دقت را دارند. ترکیب روابط منفرد با مدل‌های ترکیبی نشان می‌دهد از بین روش‌های مستقیم در مرحله‌ی قبل و بعد از اصلاح اریبی به‌ترتیب روش GRA و EWA با میانگین مربعات خطای 25/0 و 23/0 متر بیشترین دقت را داشته است. خطای روش‌های ترکیبی غیر مستقیم AICA و BICA در مرحله‌ی قبل و بعد از اصلاح اریبی مشابه بهترین رابطه‌ی منفرد است و نتوانسته‌اند نتایج روابط منفرد را بهبود بخشند. نتایج روش موضعی (KNN) و روش هوش مصنوعی (LS-SVM) قبل و بعد از اصلاح اریبی برابر بوده و عمق آبشستگی را با دقت بیشتری نسبت به روابط منفرد برآورد کرده‌اند. مقایسه‌ی روش‌های مختلف ترکیبی در مرحله‌ی قبل و بعد از اصلاح اریبی نشان داد که کم‌ترین خطا با میانگین مربعات خطای 18/0 و 19/0 متر به‌ترتیب مربوط به LS-SVM و KNN می‌باشد. در این پژوهش مشخص شد که ترکیب روابط منفرد حداکثر عمق آبشستگی با استفاده از روش‌های مختلف ترکیبی می‌تواند دقت پیش‌بینی را بهبود بخشد.