پیش بینی عمق آبشستگی در گروه پایه ها به کمک شبکه عصبی مصنوعی مبتنی بر تابع پایه شعاعی و مدل سیستم استنتاج فازی

پیش بینی عمق آبشستگی در اطراف پایه های پل یکی از مهم ترین عوامل طراحی پل می باشد. تاکنون معادلات تجربی فراوانی برای تخمین عمق آبشستگی با استفاده از داده های آزمایشگاهی و روش های موسوم به داده کاوی به دست آمده است. اکثر این معادلات برای تخمین عمق آبشستگی در تک پایه هاست و برای کاربرد آن برای گروه پایه نیاز به اصلاح روابط و یا ارائه رابطه جدید دارد. در این مطالعه داده های بسیار ارزشمندی از آزمایشات مختلف در گروه پایه ها با آرایش های مختلف و بازه ی وسیع پارامترهای موثر جمع آوری شد که در مجموع 365 آزمایش موجود می باشد. بر این اساس، شش رابطه ی موجود و یک رابطه ی تصحیح شده در این مطالعه مورد ارزیابی قرار گرفتند که نشان دهنده ی دقت رابطه ی تصحیح شده نسبت به روابط قبلی است. در تخمین عمق آبشستگی با استفاده از دو مدل شبکه عصبی مصنوعی بر پایه شعاعی (rbf) و مدل سیستم استنتاج فازی (anfis) نتایج حاکی از دقت بالای این دو مدل بوده و با استفاده از آنالیز حساسیت متغیرهای با بعد n ، s و p_b و نیز متغیرهای بی بعد n و s/bp بیش ترین تاثیر را در تخمین عمق آبشستگی دارند.