مقایسه دقت کاربرد جداگانه و ترکیبی الگوریتم ژنتیک و حداقل مربعات ماشین بردار پشتیبان در تخمین عمق آبشستگی پایه های ساده پل ها

در این پژوهش با استفاده از داده های میدانی، دقت روش های روابط تجربی، الگوریتم ژنتیک (ga)، حداقل مربعات ماشین بردار پشتیبان (lssvm) و روش ترکیبی در تخمین عمق آبشستگی پایه های ساده پلها مقایسه شد. در روش ga، تعدادی از روابط تجربی اصلاح و نتایج حاصل از این روابط اصلاح شده با مقادیر واقعی آبشستگی مقایسه شد. در روش lssvm، از طریق ورودی پارامترهای مختلف مستقل، آموزش مدل انجام و مقدار عمق آبشستگی پیش بینی شد. در روش ترکیبی، با استفاده از مدل lssvm از ترکیب نتایج روابط مختلف منفرد، مقدار عمق آبشستگی پایه پل تخمین زده شد. نتایج نشان داد روابط اصلاح شده توسط الگوریتم ژنتیک و مدل lssvm دقت بالاتری نسبت به روابط تجربی دارند. همچنین چنانچه تنها پارامترهای استفاده شده در روابط تجربی به‌عنوان پارامترهای ورودی به مدل lssvm لحاظ شوند، روابط اصلاح شده خطای کمتری نسبت به مدل lssvm دارند. شاخص های ارزیابی rmse، e، r^2 و nse برای بهترین حالت روش ترکیبی در مرحله آموزش به ترتیب 0.4 متر، 49 درصد، 0.88 و 0.58 و در مرحله آزمون به ترتیب 0.52 متر، 50 درصد، 0.7 و 0.38 می باشند. در مجموع روش ترکیبی، عمق آبشستگی را با دقت بالاتری نسبت به دیگر روش ها تخمین می زند. 

comparing the accuracy of individual and combined application of genetic algorithm and least squares of support vector machine in estimating scour depth of simple bridge piers

one of the landscape management approaches is the construction of bridges along the rivers. on the other hand, the bridge scouring is a serious damage to river engineering as the main source of water and sustaining planet life. accordingly, in this research, using field data, the accuracy of empirical methods, genetic algorithm (ga), least squares support vector machine (lssvm), and combined method were compared in estimating scour depth of simple bridge piers. in the ga method, a number of empirical relationships were modified and the results of these modified relationships were compared with the measured scour values. in the lssvm method, through the input of different independent parameters, model training was performed, and scour depth was predicted. in the combined method, using the lssvm model from combining the results of different individual relations, the scour depth of the bridge piers was estimated. the results showed that modified relationships by genetic algorithm and lssvm model have higher accuracy than empirical methods. also, if only the parameters used in the empirical relationships are included as input parameters to the lssvm model, the modified relationships have less error than the lssvm model. the statistical evaluation criteria of rmse, e, r2, and nse for the best state of the combined method were 0.4 m, 49%, 0.88, and 0.58 respectively in the training stage and 0.52 m, 50%, 0.7, and 0.38 respectively in the test stage. in general, the combined method estimates scouring depth with higher accuracy than other methods.