ارزیابی عملکرد سیستم‌های هوش مصنوعی برای شبیه‌سازی آبشستگی پایه‌های پل در خاک‌های چسبنده

آبشستگی اطراف پایه‌های پل به عنوان یکی از مهمترین و مؤثرترین عوامل تخریب پل‌ها، در واقع نوعی فرسایش در اطراف پایه‌ها می‌باشد که در اثر جریان‌های پیچیده گردابی رخ داده و به صورت کلی باعث ایجاد یک گودال در اطراف پایه‌های پل می‌شود. 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 داده‌های آزمایشگاهی انجام شده در مورد پایه استوانه‌ای و بستر با خاک چسبنده از قابلیت سیستم‌های هوش مصنوعی در شبیه‌سازی میزان عمق آبشستگی پایه‌های پل استفاده شده است. بدین منظور با استفاده از شبکه‌های عصبی FFNN، RBF، GRNN و شبکه فازی- عصبی ANFIS برای هر دو حالت داده‌های بابعد و بی‌بعد، عمق آبشستگی محاسبه شده و با انجام آنالیز حساسیت به بررسی تأثیر پارامترها در عمق آبشستگی پرداخته شده است. نتیجه حاصله حاکی از این است که مدل ANFIS با وجود کارایی بهتر نسبت به شبکه‌های GRNN و RBF دارای عملکرد ضعیف‌تری در مقایسه با شبکه FFNN است.