توسعۀ مدل فرا ابتکاری انفیس- الگوریتم ژنتیک برای پیش‌بینی عمق آبشستگی در مجاورت لوله‌های مستغرق

در نواحی ساحلی، عبور خطوط لوله مستغرق نفت و گاز بسیار رایج است و وقوع آبشستگی در اطراف لوله پایداری آنها را تهدید می کند. در این مطالعۀ یک مدل فرا ابتکاری برای پیش‌بینی عمق آبشستگی در اطراف لوله‌های افقی مستغرق توسعه داده می‌شود. مدل عددی با ترکیب مدل سیستم استنباط فازی عصبی تطبیقی (انفیس) و الگوریتم ژنتیک تولید می‌شود. علاوه بر این در مطالعۀ حاضر برای ارزیابی دقّت مدل‌های عددی از شبیه‌سازی‌های مونت کارلو استفاده شد. در مقابل برای اعتبار سنجی نتایج مدل‌های مذکور از روش اعتبار سنجی متقابل با 6=k بهره گرفته شد. سپس 6 مدل عددی مختلف توسعه داده می‌شود. سرانجام با تجزیه‌وتحلیل نتایج مدل‌های عددی، مدل برتر معرفی شد. مدل برتر عمق آبشستگی را با دقّت قابل قبولی شبیه سازی کرد. این مدل مقادیر آبشستگی را با استفاده از کلیه پارامترهای ورودی شبیه سازی کرد. به‌عنوان‌مثال برای مدل برتر مقادیر ضریب همبستگی و شاخص پراکندگی به ترتیب مساوی با 0.974 و 0.090 محاسبه شد. علاوه بر این، فاصله بین لوله و بستر رسوبی قبل از آبشستگی به قطر لوله (e/d) به عنوان موثرترین پارامتر ورودی شناسایی شد

Developing of ANFIS-Genetic Algorithm Meta-Heuristic Model for Predicting the Scour Depth in Vicinity of Submarine Pipelines

In coastal areas, passing oil and gas submarine pipelines is quite common and scouring around them threatens the stability of the submarine pipes. In this study, a metaheuristic model is developed in order to predict the scour pattern in vicinity of the submarine pipelines. The model is produced using combination of adaptive Neurofuzzy inference system (ANFIS) and genetic algorithm (GA). Additionally, in this article, Monte Carlo simulations (MCs) were utilized to evaluate the accuracy of numerical models. On the other hand, in order to validate the numerical results, the kfold crossvalidation (k=6) was used. Next, six different numerical models were developed. Finally, by analyzing the numerical results, the superior model was introduced. The superior model simulated the scour depth with reasonable accuracy. The model simulated the scour depth by employing all input parameters. For example, correlation coefficient and scatter index for superior model were respectively calculated 0.974 and 0.090. In addition, distance between pipe and bed before scouring to pipe diameter (e/D) was identified as the most effective input parameter.