تخمین عمق آب شستگی پایه پل در جریان غیردائم و بستر مسلح با استفاده از سیستم عصبی- فازی تطبیقی و آلگوریتم های بهینه سازی

نوع مقاله: پژوهشی

نویسندگان

1 دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان

2 عضو هیات علمی، دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان

3 دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان

چکیده

در تحقیق حاضر در مطالعه ای جامع به بررسی عمق آب شستگی در شرایط جریان دائمی و غیردائمی و بستر مسلح و غیرمسلح با استفاده از آنفیس و آلگوریتم‌های بهینه-سازی پرداخته می شود. در این تحقیق به‌منظور بهبود مدلسازیها پس از مدلسازی با کل مجموعه دادهها، دادههای پرت حذف شده، سپس در مدل‌سازیهای آبشستگی در جریان غیردائمی که تعداد پارامترهای ورودی زیاد است، با استفاده از روشهای کاهش ابعاد، تعداد پارامترها کاهش یافته و سپس به‌منظور بهینهسازی آموزش مدلها از آلگوریتمهای ژنتیک و ازدحام ذرات استفادهشده است. نتایج مدلسازیها در جریان دائمی حاکی از آن است که مدل آنفیس در مقایسه با روابط تجربی نتایج دقیقتری ارائه میدهد. در مدلسازیهای جریان غیردائمی نیز نتایج حاکی از عمل‌کرد مناسبتر مدل عصبی- فازی تطبیقی در مقایسه با روابط تجربی است. همچنین حذف دادههای پرت و کاهش تعداد پارامترها باعث بهبود نتایج آنفیس شده و در بهینهسازی آموزش سیستم عصبی- فازی تطبیقی هر دو آلگوریتم عمل‌کرد مناسبی ارائه میدهند. هرچند مدل بهینهشده توسط آلگوریتم ازدحامذرات در آموزش سیستم موفقتر عمل میکند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Scouring at bridges piers under unsteady flow condition and armored beds using ANFIS and optimization algorithms

نویسندگان [English]

  • Samaneh Karkheiran 1
  • Abdorreza Kabiri-Samani 2
  • Maryam Zekri 3
1 Department of Civil Engineering, Isfahan University of Technology
2 Department of Civil Engineering, Isfahan University of Technology
3 Department of Electrical and Computer Engineering, Isfahan University of Technology
چکیده [English]

Several studies have been performed to study the scouring depth at bridge piers. Due to the complication of the prob-lem and variety of the hydraulic and geometric parameters affecting the scouring phenomena, a generalized relation-ship has not be presented yet. Therefore, adaptive neuro-fuzzy inference system (ANFIS) is an alternative to over-come these problems. Although a large number of former studies have just focused on scouring at bridge piers under steady flow condition and uniform-graded bed materials even by applying ANFIS model, a lack of studies exists on scouring under unsteady flood flow condition as well as for non-uniform bed materials. Generally, river beds are composed mainly of non-uniform materials. Motion of the finer sediment particles initiates results in the protective effect of greater particles, namely armoring effect on the bed surface, thereby elimi-nating further erosion of the bed. Furthermore, in most of the rivers the flow regime is commonly unsteady. When the flow unsteadi-ness is pronounced, the difference between the maximum scouring depth and the equilibrium scouring depth is quite substantial and thus should be addressed.

In the present study, armoring effect on local scouring under unsteady flow condition was investigated based on a comprehensive dataset collected by different former investigators using ANFIS model. For this purpose, two different models were constructed. The first model was based on 372 dataset collected in a practical study on dif-ferent bridges in USA. Measurements were conducted under steady flow condition. The second model was de-veloped for estimating the maximum scouring depth in the beds of uniform and armored materials under unsteady flow condition. To present a more accurate model, some strategies including; reduction of dimension and detection of outlier were used to improve the performance of calcu-lations. Genetic algorithm and particle swarm optimization methods were applied to develop a novel hybrid learning algorithm for ANFIS model. The new hybrid learning algorithm train the antecedent part of the fuzzy rules. Then the least square method was applied for training the con-clusion part of the rules. It was shown that ANFIS model gives more accurate results compared to the empirical equations. Results highlighted the effectiveness of the data on the estimations of ANFIS model. Furthermore accord-ing to the results, this approach is potentially able to train the ANFIS model in both steady and unsteady flow condi-tions

کلیدواژه‌ها [English]

  • Bridge Piers
  • scouring
  • unsteady flow
  • ANFIS
  • optimization