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.

در برخی از کاربرد¬های تخمین جهت ورود منابع، از جمله مهندسی پزشکی، اختر¬شناسی، پردازش سیگنال¬های صوتی و فروصوت، رادارهای با باند فرکانسی پایین، انواع سونار و .... گیرنده¬های آرایه¬ای می-توانند تحت اثر طیف نویز سفید نا¬همبسته با توان متغیر از سنسوری به سنسور دیگر قرار ¬بگیرند. از طرفی چینش مجموعه آنتن¬های آرایه¬ای و کاربرد مورد نظر، در شدت بروز اختلاف در توان نویز اثر¬گذار است. بر این اساس در کاربرد¬های ذکر شده، توان نویز متغیر موجب بروز خطا در تخمین¬گرهای زاویه¬ی ورود منابع ، به ویژه در تخمین¬گر¬های مبتنی بر تجزیه مقادیر ویژه خواهد شد. بنابراین، هدف اصلی در این پایان¬نامه رفع این مشکل در استفاده از روش¬های متفاوت تخمین زاویه ورود است. به همین منظور، با پیشنهاد روشی مبتنی بر اصلاح ماتریس کوواریانس و هموارسازی آرایه¬ها، خطای تخمین ناشی از توان نویز متغیر در سنسورها بر¬طرف شده است. در این روش با محاسبه¬ی ماتریس کوواریانس آرایه¬ها¬ زاویه ورود منابع با قدرت تفکیک-پذیری بالا معین می¬گردد. همچنین، مدل پیشنهادی با الگوبرداری از روش¬های مبتنی بر هموار¬سازی فضایی، مشکل همبستگی جزئی و کامل ما¬بین منابع محیط را رفع می¬نماید. در پایان الگوریتم پیشنهادی تا حد امکان با استفاده از معیار¬های متفاوت مورد محک قرار گرفته است.