پیش بینی و ارزیابی عمق آبشستگی در زیر خطوط لوله با بکارگیری روش های بردار پشتیبان ماشین و رگرسیون قوسی تحت موج

خطوط لوله انتقال دهنده سیالات، یکی از مهم ترین عوامل توسعه و رشد اقتصادی هر کشوری محسوب می شوند که برای انتقال سوخت های سیال، پسماندها و فاضلاب ها و یا برای انتقال هر سیال دیگر استفاده می شوند. هنگامی که این خطوط لوله بر روی بستر دریا و اقیانوس قرار می گیرند، باعث ایجاد تغییراتی در جریان شده که افزایش تنش برشی و آشفتگی سیال را به دنبال دارد. همین امر سبب بیشتر شدن ظرفیت حمل رسوب و در نتیجه ایجاد حفره آبشستگی می شود. با بزرگ تر شدن چاله آبشستگی، تنش ها و بارهای نوسانی باعث خستگی و گسیختگی لوله ها می شود. همین امر اهمیت بررسی پدیده آبشستگی در زیر خطوط لوله را نشان می دهد. در این تحقیق به تاثیر عوامل متعددی بر آبشستگی زیر خطوط لوله تحت موج با استفاده از روش رگرسیون فرایند گاوسی ((GPR) Gaussian Process Regression) و ماشین بردار پشتیبان ((SVM) Support Vector Machine) مورد مطالعه قرار گرفته است. بدین منظور از داده های آزمایشگاهی متعددی که استفاده شده است و پس از تعریف چندین پارامتر بدون بعد، عملکرد روش های مذکور مورد ارزیابی قرار گرفته است. نتایج به دست آمده به خوبی نشان دهنده این است که این روش ها نسبت به روابط تجربی نتایج بهتری دارند. با بررسی نتایج مشاهده شد که مدل ماشین بردار پشتیبان با متغیرهای ورودی KC، θ، Re و e/D با دارا بودن حداقل مقدار RMSE برابر 047/0 و همچنین حداکثر مقادیر R برابر 959/0 و NSE برابر 904/0 بهترین نتیجه و عملکرد را دارد و طبق نتایج به دست آمده از آنالیز حساسیت پارامتر KC، تاثیرگذارترین پارامتر بر روی عمق آبشستگی زیر خطوط لوله در حالت موج است.