تخمين عمق آبشستگي در زير خطوط لوله در بستر رودخانه با استفاده از شبكه هاي عصبي مصنوعي و رگرسيون خطي چندگانه

حركت جريان در اطراف سازه هاي گرد مانند پايه هاي پل و خطوط لوله پيچيده مي باشد لذا انتخاب يك مدل تجربي براي تخمين عمق آبشستگي مشكل مي باشد. در عصر حاضر استفاده از شبكه هاي عصبي مصنوعي (Artificial Neural Network) به دليل ساختار رياضي كاملا غير خطي مي تواند جايگزين مناسبي براي مدل هاي ديگر باشد. لذا در اين مطالعه از روش هاي غيرخطي مانند شبكه هاي عصبي مصنوعي (MLP, RBF) و رگرسيون خطي چند متغيره براي تخمين عمق آبشستگي در زير خطوط لوله در بستر رودخانه استفاده مي گردد. در اين مقاله با استفاده از آمار واقعي نتايج بدست آمده از 2 رابطه معتبر براي محاسبه عمق آبشستگي در زير خطوط لوله (جلدسن ،گروه تحقيقاتي هلند) با نتايج حاصل از يك مدل شبكه عصبي مصنوعي بهينه و رگرسيون خطي چندمتغيره و مقادير مشاهداتي مقايسه شده است. براي مقايسه از توابع RMSE و R استفاده شده است. نتايج تحقيق نشان مي دهد كه مدل ANNنتايج بهتري نسبت به ساير مدل ها مي دهد. همچنين در مدل شبكه عصبي مصنوعي MLP از نتايج مقبول تري نسبت به مدل RBF برخوردار مي باشد.