اصلاح روابط عمق آبشستگی پایه پل با استفاده از الگوریتم ژنتیک

نوع مقاله: مقاله اصلی

نویسندگان

1 استادیار، گروه کشاورزی، دانشگاه پیام نور، ایران

2 دانشیار، گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد استهبان، استهبان، فارس، ایران

چکیده

یکی از مسایلی که باعث تخریب پل­ها می­شود، آبشستگی پایه­های آنهاست. محاسبه دقیق­تر عمق آبشستگی کمک زیادی به طراحی صحیح پایه­های پل خواهد کرد. یکی از راه‌های محاسبه عمق آبشستگی استفاده از روابط تجربی است. در این تحقیق جهت بهینه کردن روابط با استفاده از الگوریتم ژنتیک و مقادیر میدانی عمق آبشستگی، 17 رابطه تجربی اصلاح شدند. تعداد 80 درصد داده­های میدانی جهت بهینه کردن روابط و مابقی جهت صحت­سنجی آنها استفاده شد. معیارهای آماری جهت مقایسه نتایج حاصل از روابط تجربی و روابط اصلاح شده با مقادیر اندازه­گیری استفاده شد. نتایج نشان داد الگوریتم ژنتیک به‌خوبی توانست روابط تجربی را اصلاح کند. رابطه (Froehlich 1988) دارای بیشترین دقت در بین روابط تجربی را داشت. بنابراین الگوریتم ژنتیک کمترین تأثیر را جهت اصلاح این رابطه داشت. بیشترین کاهش خطای RMSEروابط اصلاح شده نسبت به روابط تجربی مربوط به روابط (Neill 1964)، (Melville 1975)، (Laursen and Toch 1956)، (Blench II 1962) و (Hancu 1971) به ترتیب برابر 75، 72، 71، 71 و 71 درصد بود. رابطه اصلاح شده (Blench II 1962) با شاخص­های RMSE، MAE، E و R2 به ترتیب برابر 57/0 متر، 085/0- متر، 62 درصد و 65/0 یکی از روابط با کمترین میزان خطا و بیشترین ضریب همبستگی انتخاب شد. در انتها روابط دیگری جهت پیش­بینی عمق آبشستگی پایه­های پل پیشنهاد شد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Modification of Bridge Piers Scour Depth Equations using Genetic Algorithm

نویسندگان [English]

  • Mehdi Karami Moghadam 1
  • Tooraj Sabzevari 2
1 Assistant Professor, Department of Agriculture, Payame Noor University (PNU), Iran
2 Associate Professor, Department of Civil Engineering, Estahban Branch, Islamic Azad University, Estahban, Iran
چکیده [English]

One of the main reasons of bridge destruction is the bridge piers scour. A more accurate computation of scour depth would lead to a more solid design of bridge piers. Empirical equations can be applied to compute the scour depth. In this study, the coefficients of 17 empirical equations were optimized using genetic algorithm and fieldwork values. 80% of the field data were used to optimize the equations and the rest were used to verify them. The RMSE, MAE, E and R2 criteria were applied to evaluate the optimization method where the results showed the ability of genetic algorithm in empirical equations optimization. The (Froehlich 1988) equation had the highest degree of precision among the empirical equations, so the genetic algorithm has had the least effect on the optimization of this equation. The optimized (Neill 1964), (Melville 1975), (Laursen & Toch 1956), (Blench II 1962) and (Hancu 1971) equations with respectively, 75, 72, 71, 71 and 71 percent showed the highest reduction in RMSE error criteria. The optimized (Blench II 1962) equation with RMSE, MAE, E and R2 criteria equal to 0.57m, -0.085m, 62 percent and 0.65 respectively, presented the highest correlation coefficient and lowest error. In the end, more equations were proposed to predict the bridge piers scour depth.

کلیدواژه‌ها [English]

  • Scour
  • optimization
  • bridge pier
  • Genetic Algorithm