تخمین آبشستگی در مجاورت پایه‌های پل جفت توسط مدل بهینه انفیس- کرم شبتاب

نوع مقاله: پژوهشی

نویسندگان

1 دانشجوی دکتری منابع آب، گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

2 استادیار گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

3 گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

10.24200/j30.2020.53832.2591

چکیده

در این مطالعه برای اولین بار با استفاده از یک الگوریتم بهینه‌سازی شده هبیریدی الگوی آبشستگی در مجاورت پایه‌های پل دوقلو پیش‌بینی شد. الگوریتم هیبریدی (ANFIS-FA) از ترکیب انفیس (ANFIS) و الگوریتم کرم‌شبتاب (FA) بدست آمد. سپس با استفاده از پارامترهای موثر بر روی عمق آبشستگی در مجاورت پایه‌های دوقلو چهار مدل ANFIS و ANFIS-FA توسعه داده شد. برای بررسی دقت مدل‌های محاسبات نرم از شبیه‌سازی‌های مونت کارلو استفاده گردید. همچنین جهت اعتبارسنجی نتایج عددی از روش اعتبار سنجی ضربدری با k=5 بهره گرفته شد. بر اساس نتایج مدل سازی، تجزیه و تحلیل نتایج نشان داد که مدل‌های ANFIS-خطایی کمتر از 5 درصد بودند. سپس موثرترین پارامتر ورودی برای تخمین حفره آبشستگی در اطراف پایه-های پل جفت عدد فرود Fr معرفی شد. سپس با انجام تحلیل عدم قطعیت مشخص شد که مدل برتر دارای عملکردی بیشتر از مقدار واقعی بود.

کلیدواژه‌ها


عنوان مقاله [English]

Estimation of Scour in the Vicinity of the Twin Bridge Piers using the Optimized ANFIS-Firefly Model

نویسندگان [English]

  • siamak amiri 1
  • fariborz yosefvand 2
  • saeid shabanlou 3
1 Ph.D. Condidate, Department of Water Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran
2 Assistant professor, Department of Water Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran
3 Department of Water Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran
چکیده [English]

In this study, for the first time, the scour pattern around twin bridge piers was predicted using an optimized hybrid algorithm. The hybrid algorithm (ANFIS-FA) was developed through combining the Adaptive Neuro-Fuzzy Inference System (ANFIS) and the Firefly algorithm (FA). After that, four ANFIS and ANFIS-FA models were introduced by means of parameters affecting the scour depth around twin piers. In order to evaluate the accuracy of soft computing models, the Monte Carlo simulations were employed. In addition, the validation of the numerical models was carried out by the k-fold cross validation approach with k=5. Based on the modeling results, the analysis of the results indicated that ANFIS-FA models are more accurate than ANFIS models. Then, the superior model was introduced through conducting a sensitivity analysis. The superior model is a function of all input parameters. This model estimated scour values with reasonable accuracy. For example, the values of R2, MAPE and RMSE were calculated 0.991, 5.876 and 0.015, respectively. Furthermore, the error distribution results showed that about 66% of the superior model results have an error less than 5%. Next, the Froude number (Fr) was detected as the most effective input parameter for estimating the scour hole around twin bridge piers. Finally, by conducting an uncertainty analysis, it was concluded that the superior model has an overestimated performance.In this study, for the first time, the scour pattern around twin bridge piers was predicted using an optimized hybrid algorithm. The hybrid algorithm (ANFIS-FA) was developed through combining the Adaptive Neuro-Fuzzy Inference System (ANFIS) and the Firefly alged that ANFIS-FA models are more accurate than ANFIS models. Then, the superior model was introduced through conducting a sensitivity analysis. The superior model is a function of all input parameters. This model estimated scour values with reasonable accuracy. For example, the values of R2, MAPE and RMSE were calculated 0.991, 5.876 and 0.015, respectively. Furthermore, the error distribution results showed that about 66% of the superior model results have an error less than 5%. Next, the Froude number (Fr) was detected as the most effective input parameter for estimating the scour hole around twin bridge piers. Finally, by conducting an uncertainty analysis, it was concluded that the superior model has an overestimated performance.

کلیدواژه‌ها [English]

  • ANFIS
  • Firefly algorithm (FA)
  • Scour depth
  • twin bridge piers
  • Uncertainty analysis