ارزیابی تاثیر شکل هندسی پایۀ پل روی عمق آبشستگی با استفاده از الگوریتم پشتیبان بردار ماشین

پیش‌بینی عمق آبشستگی موضعی به‌عنوان پدیده‌ای پویا و غیرخطی با استفاده از روش‌هایی با توانایی پیش‌بینی مناسب همواره مورد توجه پژوهشگران بوده‌اند. از عوامل موثر در اندازۀ حفرۀ آبشستگی، شکل هندسی پایه‌های پل است. در این پژوهش با استفاده از الگوریتم پشتیبان بردار ماشین و بر مبنای 395 دادۀ صحرایی سازمان زمین‌شناسی آمریکا و فروهلیچ (1988) در قالب دو سناریو، مقدار عمق آبشستگی سه پایۀ پل استوانه‌ای، نوک تیز و مستطیلی بر اساس ترکیب‌های مختلف پارامترهای بی‌بعد: زاویۀ حملۀ آب (α)، عدد فرود (fr)، نسبت طول به عرض پایه (ِb / l) ( و نسبت قطر متوسط ذرات رسوبی به عرض پایه (ِb / 50 d) پیش‌بینی شدند. نتایج پژوهش ضمن تایید عملکرد قابل قبول الگوریتم svm برای همۀ پایه ها در هر دو سناریو نشان داد در سناریوی اول و دوم بهینه‌ترین عملکرد مربوط به پایۀ مستطیلی به‌ترتیب با ضریب همبستگی 0/8702 و 0/8838 و مقدار بیشینۀ ds(ddr) با مقادیر 0/854 و 1/229 در فرایند تست الگوریتم بودند. همچنین تاثیر مثبت افزایش تعداد داده‌ها روی عملکرد الگوریتم svm با افزایش شاخص‌های ارزیابی تایید شد. مقایسۀ نتایج نشان داد الگوریتم svm مقادیر آبشستگی را بیشتر از مقدار مشاهداتی با خطای مطلق بین 11 تا 35 درصد برآورد کرده است.

Assessment of the Geometric Shape of Bridge Pier on the Scour Depth Using the Support Vector Machine

The prediction of local scouring as a dynamic and nonlinear phenomenon using methods of acceptable predictive capability has always been of interest to researchers. The shape of the bridge pier is one of the important factors in the formation and magnitude of the scour hole. In this paper, the scour depth of three bridge piers with cylindrical, sharp nose and rectangular shapes was predicted in two scenarios using the support vector machine algorithm with 395 field data obtained from the US Geological Survey and Froehlich (1988), based on different combinations of dimensionless parameters as the water attack angle ( alpha;), Froud number (Fr), the ration of pier length to width (l/b), and the ratio of mean sediment size to pier width (D50/b). The results of the study, while confirming the acceptable performance of the SVM algorithm for all piers in both scenarios, showed that in the first and second scenarios, the most optimal performance was related to the rectangular pier shape with correlation coefficient of 0.8702 and 0.8838, with and maximum Ds (DDR) values of 0.854 and 1.229 respectively, during the testing phase. The positive effect of increasing the number of data on the performance of the SVM algorithm was also confirmed by further probing the evaluation indicators. The results of the comparison pointed out the overestimation of the predicted scour depth values of absolute error between 11% to 35%.