ارزیابی عملکرد روش های داده کاوی و روابط تجربی در تخمین عمق آب شستگی اطراف پایه های پل

یکی از عواملی که همواره پل ها را مورد تهدید قرار می دهد، آب شستگی موضعی می باشد. پرشمار بودن فراسنج های تاثیرگذار بر پدیده ی آبشستگی و همچنین پیچیدگی فرایند آب شستگی، بررسی این پدیده را با دشواری های بسیار همراه نموده است. به رغم تلاش های زیاد صورت گرفته در این زمینه و تعدد روابط تجربی موجود، رابطه ی کلی و جامعی برای تخمین عمق حفره ی آب شستگی در همه ی شرایط موجود نیست. امروزه استفاده از روش های نوین داده کاوی، سامانه های هوشمند و نرم افزار درختی M5، برای حل و شبیه سازی مسائل پیچیده ی مهندسی آب مورد توجه واقع شده اند. در این تحقیق، با استفاده از داده های آزمایشگاهی و مشخص نمودن 10 نمایشنامه مختلف، شامل ترکیب های متفاوتی از عوامل موثر بر آب شستگی، سعی بر بررسی کارایی روش های شبکه عصبی مصنوعی و نرم افزار درختی M5 در تخمین عمق آب شستگی پایه ی پل و مقایسه ی دستاوردها با نتایج روابط تجربی Melville، Mississippi و HEC-18 شده است. نتایج به دست آمده نشان دادند نرم افزار درختی M5، با ارائه ی دو قانون ساده اگر-آن گاه و با ضریب همبستگی 95/0 در مقایسه با روش شبکه های عصبی مصنوعی و روابط تجربی در تخمین آب شستگی از کارایی بالایی برخوردار است. همچنین، مشخص گردید که برای داده های آزمایشگاهی مورد استفاده در این تحقیق و از بین روابط تجربی موجود، روابط HEC-18، Mississippi و Melville به ترتیب از دقت نسبتا بالایی برخوردار می باشند.