ارزیابی روش های مختلف وزن دهی برای پیش بینی عمق آبشستگی پایین دست سازه های تثبیت بستر

تخمین عمق آبشستگی سازه از اهمیت زیادی برخوردار است. محققین بر مبنای کارهای آزمایشگاهی و صحرایی روابط تجربی متعددی ارایه داده اند ولی تاکنون رابطه ای که در شرایط مختلف نتایج قابل قبولی داشته باشد شناخته نشده است. در این پژوهش دقت روابط مختلف تجربی (منفرد) در دو مرحله ی قبل و بعد از اصلاح اریبی مورد ارزیابی قرار گرفتند. نتایج نشان می دهد قبل و بعد از اصلاح اریبی به ترتیب روابط منفرد موسسه ی ملی و ماسون با میانگین مربعات خطای 87/0 و 23/0 متر بیشترین دقت را دارند. ترکیب روابط منفرد با مدل های ترکیبی نشان می دهد از بین روش های مستقیم در مرحله ی قبل و بعد از اصلاح اریبی به ترتیب روش GRA و EWA با میانگین مربعات خطای 25/0 و 23/0 متر بیشترین دقت را داشته است. خطای روش های ترکیبی غیر مستقیم AICA و BICA در مرحله ی قبل و بعد از اصلاح اریبی مشابه بهترین رابطه ی منفرد است و نتوانسته اند 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 کرده اند. مقایسه ی روش های مختلف ترکیبی در مرحله ی قبل و بعد از اصلاح اریبی نشان داد که کم ترین خطا با میانگین مربعات خطای 18/0 و 19/0 متر به ترتیب مربوط به LS-SVM و KNN می باشد. در این پژوهش مشخص شد که ترکیب روابط منفرد حداکثر عمق آبشستگی با استفاده از روش های مختلف ترکیبی می تواند دقت پیش بینی را بهبود بخشد.