%0 Journal Article %A Pourmirza, M. %A Kamanbedast, A. %T Investigation of Local Scour Factors under Pipelines Using Artificial Neural Network Algorithms %J Journal of Water and Soil Science %V 23 %N 4 %U http://jstnar.iut.ac.ir/article-1-3560-fa.html %R 10.47176/jwss.23.4.37561 %D 2019 %K Scour, Artificial neural network, NeuroSolution5 software, Multilayer Perceptron Model (MLP), Shields Parameter, %X یکی از مهم‌ترین عوامل آسیب و خرابی لوله‌ها، وقوع آبشستگی موضعی‌ است، بنابراین طراحی مطمئن و اقتصادی لوله‌ها که در مسیر جریان قرار می‌گیرند، مستلزم تخمین مناسبی از میزان تأثیر عوامل مؤثر بر آبشستگی زیر لوله است. در این پژوهش بر اساس پارامتر‌های مهم و اثرگذار در پدیده آبشستگی و بر اساس داده‌های به‌دست آمده در آزمایشگاه دانشگاه آزاد اسلامی واحد اهواز، مدل‌هایی بر مبنای شبکه‌های عصبی مصنوعی با استفاده از نرم‌افزارNeuroSolution5 ایجاد شد که در این تحقیق از سه مدل MLP، GFF و RBF استفاده شد و پس از مقایسه این سه مدل با یکدیگر، مدل MLP محور بررسی‌ها قرار گرفت. در نهایت با استفاده از تکنیک شبکه‌های عصبی مصنوعی میزان تأثیر هر کدام از پارامتر‌های مؤثر بر آبشستگی مشخص شد که بر اساس آن، پارامتر شیلدز با تأثیری بسیار زیاد (بیش از 95 درصد)، یکی از مؤثرترین عوامل در آبشستگی موضعی در این پژوهش است. %> http://jstnar.iut.ac.ir/article-1-3560-fa.pdf %P 315-329 %& 315 %! %9 Research %L A-10-3756-1 %+ 1. Department of Civil Engineering, Ahvaz Branch, Islamic Azad University, Ahvaz, Iran. %G eng %@ 2476-3594 %[ 2019