بررسی آبشستگی در سازه های هیدرولیکی با استفاده از ترکیب روش دسته بندی گروهی داده ها (gmdh) با سایر روش های بهینه سازی و تقریب سازی

در این تحقیق از روش دسته بندی گروهی داده ها (gmdh) جهت تخمین عمق آبشستگی اطراف سازه های هیدرولیکی مورد مطالعه شامل دیواره های جانبی پل، خطوط انتقال سیال و پایه پل می باشند. شبکه gmdh توسط الگوریتم های انتشار برگشتی(back propagation)، لونبرگ-مارکوئت(levenberg-marquardt)، برنامه ریزی ژنتیک(genetic programming)، جامعه پرندگان (particle swarm optimization) و جستجوی گرانشی (gravitational search algorithm)توسعه داده می شود. جهت آموزش الگوریتم gmdh با استفاده از روش های نامبرده، از چند جمله ای درجه 2 در ساختار gmdh استفاده می شود. پارامترهای موثر بر عمق آبشستگی به سه دسته عمده مشخصات فیزیکی رسوبات بستر، هندسه سازه و شرایط هیدرولیکی جریان طبقه بندی می شوند. جهت مدلسازی آبشستگی در هر یک از سازه های هیدرولیکی مذکور، با مشخص کردن پارامتر های موثر بر عمق آبشستگی تعداد متغیرهای ورودی الگوریتم های ترکیبی gmdh مشخص می گردد. داده های مورد استفاده جهت توسعه شبکه gmdh دارای شرایط هیدرولیکی متفاوت آب زلال، بستر زنده و تحت اثر جریان موج می باشند. همچنین شرایط بستر خاکی که سازه های هیدرولیکی در آن قرار دارند شامل های خاک های غیر چسنده و چسبنده هستند. بعد از انجام مراحل آموزش و ارزیابی مدل های ترکیبی gmdh، با استفاده پارامتر های معیار خطا عملکرد مدل های پیشنهادی مورد بررسی قرار می گیرند. نتایج مدل های مختلف gmdh با دیگر روش های هوش مصنوعی و روابط تجربی بر مبنای رگرسیون مقایسه خواهند شد. همچنین در هر مورد از مدلسازی آبشستگی در اطراف سازه های هیدرولیکی، تاثیر گذارترین پارامتر بر عمق آبشستگی با استفاده از روش آنالیز حساسیت مشخص می شود.