بررسی کارآیی الگوریتم m5 در محاسبه حداکثر عمق چاله آبشستگی اطراف تکیه گاه پل

آبشستگی صورت گرفته در اطراف تکیه گاه ها و پایه ها پدیده ای است که منجر به تخریب تعداد زیادی از پل ها گردیده است. در این تحقیق برای شبیه سازی حداکثر عمق چاله آبشستگی اطراف تکیه گاه پل از الگوریتم درختی m5 استفاده شده است. از مزایای این الگوریتم دقت بالا، سادگی و قابل فهم بودن آن است. برای ساخت و آموزش مدل از اطلاعات آزمایشگاهی منابع معتبر استفاده شد. پارامترهای مورد استفاده برای برآورد عمق آبشستگی اطراف تکیه گاه شامل فاکتور شکل و طول تکیه گاه، عمق و سرعت جریان و اندازه متوسط رسوبات بستر بوده است که به صورت عدد فرود ذره، ضریب شکل تکیه گاه، ضریب عمق– طول تکیه گاه و ضریب شدت جریان به مدل درختی معرفی شدند. در مدل ساخته شده توسط الگوریتم m5 و پس از عملیات هرس کردن، ضریب عمق– طول تکیه گاه و ضریب شدت جریان بیشترین کاربرد را در ساختار درختی داشته و باعث تقسیم فضای مساله به سه زیردامنه متمایز و ارائه رابطه رگرسیونی برای هر زیردامنه گشته است. برای بررسی کارآیی مدل درختی از تحلیل های آماری متفاوت و مقایسه آن با معادلات ارائه شده توسط محققین مختلف استفاده شد. نتیجه این مقایسه نشان دهنده کارآیی بالای الگوریتم m5 در محاسبه عمق آبشستگی می باشد. برای بررسی اهمیت هر کدام از پارامترهای ورودی بر میزان آبشستگی از تحلیل حساسیت استفاده گردید. بر این اساس ضریب عمق– طول تکیه گاه بیشترین تاثیر را بر میزان آبشستگی داشته و حذف این پارامتر از مدل درختی باعث افزایش مجموع مربعات خطا از 4.37 به 19.41 گشته است.

Predicting maximum scour depth around bridge abutment using M5 model

Scour around piers and abutments leads to a lot of bridge failures. Scouring around the bridge piers and abutments is one of the most important factors in bridge failure which happens over time and increases during floods, probably causing general damage to the bridge. Accordingly, the accurate estimation of scouring around the bridge piers and abutments can help engineers to take steps to deal with bridge destructions. Recently, datadriven models have been used widely to estimate the scour depth around bridge piers and abutments. Najafzadeh, Barani and HessamiKermani (2015) used a set of datadriven models such as the gravitational search algorithm and the particle swarm optimization algorithm to estimate the scour around bridge abutments. Sediment particles size, geometric characteristics of bridge abutment and approach flow conditions were considered as effective parameters on scouring mechanism. The results of this research showed that datadriven models can estimate the scour depth with high accuracy. In the present study, M5 tree model has been used to predict maximum scour depth around bridge abutment. High accuracy, simplicity and understandability are considered the advantages of this algorithm. A huge amount of data from credible references have been used to build and validate the tree model.