استفاده از شبكه هاي عصبي مصنوعي در پيش بيني عمق آبشستگي پاي شمع حاصل از موج

شمع يكي از مهمترين اجزاي تشكيل دهنده يك سازه دريايي محسوب مي شود. پديده آبشستگي در پاي شمع حاصل از موج يكي از مهمترين دلايل ناپايداري و شكست سازه ها در محيط دريايي مي باشد. مطالعات ازمايشگاهي محدودي در مورد آبشستگي پاي شمع حاصل از موج انجام شده است. داده هاي آزمايشگاهي حاصل از اين مطالعات، منجر به فرمول هاي تجربي شده اند كه الزاما داراي دقت كافي نيستند. كاربرد ابزار محاسبات نرم در سالهاي اخير، به دليل توانايي در تقريب توابع غير خطي، در بسياري از رشته هاي مهندسي پيشرفت چشمگيري داشته است. در اين مقاله از شبكه هاي عصبي مصنوعي كه يكي از ابزار محاسبات نرم محسوب مي شوند براي پيش بيني عمق آبشستگي استفاده شده اتس. داده ها به دو قسمت داده هاي با بعد (قطر دانه هاي بستر، قطر شمع، پريود موج، حداكثر سرعت جريان و حداكثر سرعت برشي) و بدون بعد (عدد رينولدز، شمع، پارامتر شيلدز، عدد كولگان - كارپنتر و عدد رسوب) تقسيم شده و سه روش (شبكه) مختلف راي آموزش شبكه عصبي به كار رگفته شده و نتايج آنها با هم مقايسه شده است. نتايج نشان مي دهد كه استفاده از اعداد با بعد براي آموش شبكه هاي عصبي بهتر از اعداد بدون بعد مي بادش. همچنين شبكه عصبي با اعداد بدون بعد خطاي كمتر و ضريب همبستگي بيشتري در مقايسه با فرمول تجربي دارد كه نشان از مطلوب بودن شبكه عصبي به كار رفته در پيش بيني عمق آبشستگي پاي شمع حاصل از موج مي باشد.