|
عنوان
|
تخمین عمق آبشستگی موضعی پایه های پل استوانه ای در بسترهای چسبنده با استفاده از الگوریتم KNN
|
|
نوع پژوهش
|
مقاله ارائه شده
|
|
کلیدواژهها
|
فرسایش، پایه های پل، عمق فرسایش، متغیرهای هیدرولیکی
|
|
چکیده
|
آبشستگی محلی در مجاورت پایههای استوانهای پلها، یک فرآیند هیدرولیکی است که با فرسایش کف رودخانه تحت تأثیر جریان
سیال، ثبات سازههای پل را تهدید میکند. ارزیابی نادرست عمق این پدیده میتواند منجر به طراحی ناکارآمد پایهها شود، که یا
هزینههای اضافی به بار آورد یا ریسک فروپاشی را افزایش دهد. این تحقیق با تمرکز بر تخمین دقیق عمق آبشستگی در بسترهای
خاکی چسبنده، از روشهای نوین هوش مصنوعی بهره برد. با استفاده از 122داده آزمایشگاهی از مطالعه چویی و چویی (،)2222
کارایی الگوریتم نزدیکترین همسایه ) (KNNمورد بررسی قرار گرفت. دادهها با تأکید بر متغیرهای هیدرولیکی و خاکی نظیر عدد
فرود پایه، ارتفاع جریان، استحکام برشی بستر و درصد رس، توسط ابزارهای پیشرفته یادگیری ماشین پردازش شدند و بررسی
حساسیت برای تعیین پارامترهای مؤثر اجرا گردید. یافتهها حاکی از آن است که این تکنیک در بیش از 88درصد موارد، پیشبینیهای
معتبر ارائه مینماید. مدل KNNبا دقت 88درصد، عملکرد مناسبی نشان داد و تحلیل حساسیت، عدد فرود پایه را با سهم 88
درصدی به عنوان عامل غالب شناسایی کرد که نوسانات آن میتواند عمق آبشستگی را تا 28درصد جابهجا کند، در حالی که استحکام
برشی بستر 11درصد و درصد رس 8درصد تأثیرگذار بودند. این روشها امنیت طراحی پل را 28درصد، دوام سازه را 32درصد و
صرفهجویی در هزینههای تعمیر را 22درصد ارتقا دادند. این پژوهش با پیشنهاد یک الگوی خلاقانه، راهکاری علمی و کارآمد برای
ساخت پلهای پایدار و مقرونبهصرفه در برابر فرسایش آبی عرضه میدارد.
|
|
پژوهشگران
|
مهدی سلطانی ستوبادی (نفر اول)، مهدی ماجدی اصل (نفر دوم)، توحید امیدپور (نفر سوم)، نازیلا کاردان (نفر چهارم)
|