چکیده مقاله
آبشستگی پایه پل یکی از چالشهای اساسی در طراحی و نگهداری سازه های هیدرولیکی است که می تواند منجر به ناپایداری و تخریب پل ها شود بنابراین، تخمین دقیق عمق آبشستگی نقش مهمی در ایمنی این سازه ها دارد تاکنون معادلات تجربی متعددی برای این منظور توسعه یافته اند، اما دقت آنها به داده های مورد استفاده وابسته است از این رو مطالعات اخیر بر استفاده از روش های نوین از جمله یادگیری ماشین متمرکز شده اند در این پژوهش یک مدل مبتنی بر یادگیری ماشین به نام Voting Regression VR برای تخمین آبشستگی پایه پل ارائه شده است این مدل با ترکیب چندین الگوریتم یادگیری ماشین دقت پیش بینی را افزایش می دهد در این پژوهش برای پیاده سازی مدل VR از روش های مبتنی بر درخت تصمیم، شامل Histogram Gradient Boosting، CatBoost، XGBoost، Random Forest، Decision Tree و Light Gradient Boosting استفاده شد همچنین عملکرد مدل پیشنهادی با روش های Support Vector Regressor، Artificial Neural Network و Multiple Linear Regression و چندین معادله تجربی مقایسه گردید تحلیل ۸۵۹ نمونه داده نسبت به معیارهای آماری مختلف و نتایج تحلیل اطمینان نشان داد که مدل VR دقت بالاتری نسبت به سایر روش ها دارد و می تواند به عنوان ابزاری کارآمد در مطالعات مهندسی هیدرولیک مورد استفاده قرار گیرد
کلیدواژهها
نویسندگان
رضا پیرایی
دانشجوی دکترا دانشکده مهندسی راه ساختمان و محیط زیست دانشگاه شیراز، شیراز، ایران
علی محمدی
دانشجوی کارشناسی ارشد دانشکده مهندسی عمران و محیط زیست دانشگاه تربیت مدرس، تهران، ایران
سید حسین افضلی
استاد، دانشکده مهندسی راه ساختمان و محیط زیست دانشگاه شیراز، شیراز، ایران
شیوه ارجاع
پیرایی، رضا و محمدی، علی و افضلی، سید حسین،1404،کاربرد مدل Voting Regression در تخمین آبشستگی پایه پل،چهاردهمین کنگره بین المللی مهندسی عمران،تهران
ارائهشده در
مجموعه مقالات چهاردهمین کنگره بین المللی مهندسی عمران29 مهر 1404 · تهران