آبشستگی اطراف پای ههای پل یکی از پدید ههای طبیعی و مهمترین عوامل تهدید کننده پایداری سازههای هیدرولیکی است. که عمدتاً ناشی از فرآیندهای فرسایشی ناشی از میدان جریان در آبراه ههای آبرفتی م یباشد. این پدیده پیچیده هیدرولیکی با عواملی همچون سرعت جریان، عمق آب، مشخصات هندسی پایه پل و نوع خاک بستر ارتباط مستقیم دارد. در صورت عدم کنترل مناسب، میتواند به طور جدی پایداری سازههای پل را تهدید کند. در طول زمان، آبشستگی موجب تخریب و تضعیف پای ههای پل م یشود و در نتیجه احتمال بروز خراب یهای ساختاری و حتی فروپاشی سازه را افزایش میدهد. آبشستگی موضعی اطراف پایههای پل فرآیندی وابسته به زمان است. تخمین کمتر عمق آبشستگی منجر به طراحی کم عم ق پیها شده و تخمین بیشتر عم ق آبشستگی منجر به غیراقتصادی شدن طرح خواهد شد. تاکنون پژوهشگران بسیاری آبشستگی موضعی اطراف پای ههای پل را بررسی کردند و رو شهای مناسبی را برای کنترل و کاهش آبشستگی ارائه دادهاند که شامل روشهای ا صلح الگوی جریان در این نواحی و همچنین روشهای مقاوم سازی بستر است. بنابراین، مطالعه و بررسی روشهای مؤثر برای کاهش میزان آبشستگی از اهمیت ویژهای برخوردار است. پژوهشهای اخیر نشان دادهاند که تکنیکهای نوین و الگوریتمهای هوش مصنوعی به عنوان ابزارهای پیشرفته برای تحلیل و پیشبینی آبشستگی مورد توجه قرار گرفتهاند. این الگوریتمها با تحلیل دادههای پیچیده و شبیهسازیهای دقیق، قادر به پیشبینی مؤثر میزان و الگوهای آبشستگی م یباشد و به مهندسان و طراحان کمک م یکند تا اقدامات لازم را برای بهبود طراحی و افزایش ایمنی ساز ههای پل اتخاذ کنند . در این پژوهش، عملکرد الگوریتم QNET در پی شبینی آبشستگی مورد ارزیابی قرار گرفته است تا اثربخشی آن در کاهش این پدیده و بهبود عملکرد سازههای پل بررسی شود. استفاده از این تکنیکهای پیشرفته میتواند به بهینهسازی روشهای حفاظتی و طراحی و در نهایت به ارتقای ایمنی و پایداری سازههای پل کمک شایانی نماید . نتایج حاصل از الگوریتم هوش مصنوعی نشان میدهد که ترکیب پارامترهای ) ((𝑑𝑚𝑎𝑥𝐷), 𝑊𝑐, 𝐶𝑃, (𝐕(𝐠𝐃)𝟎.𝟓), (τs(ρV2)) در الگوریتم QNET در مرحله آموزش و آزمون بهترتیب برابر )50.997 = 2(R ، ( 0.0073 = (RMSE و ) 0.9958 = 2(R ( ، 0.0111 = (RMSE م یباشد. این نتایج، بهینهترین خروجی را در مقایسه ب ا ترکیبهای دیگر ارائه م یدهد و نشاندهنده دقت بسیار مطلوب الگوریتم QNET در پیشبینی آبشستگی است. همچنین، آنالیز حساسیت نشان میدهد که عدد فرود (𝑽(𝒈𝑫𝟎.𝟓)) بیشترین تاثیر را بر میزان آبشستگی دارد.
