تخمین میزان عمق آبشستگی پایه پل با استفاده از سیستم استنتاجی عصبی-فازی تطبیقی بهینه-سازی شده با الگوریتم رقابت استعماری
Publish place: Irrigation and Drainage، Vol: 12، Issue: 4
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 260
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IDJ-12-4_011
تاریخ نمایه سازی: 25 اردیبهشت 1400
Abstract:
تعیین عمق آبشستگی پایه پل در هنگام وقوع سیلاب یکی از پارامترهای اصلی در طراحی شالوده پایه پل ها می باشد که از دیرباز مورد توجه پژوهشگران مختلف جهت ارایه روش های دقیق برای محاسبه آن بوده است. با این وجود، روابط تجربی مورد استفاده به علت پیچیدگی زیاد و پارامترهای متعدد دخیل در این پدیده از دقت و کارایی کافی برخوردار نبوده و امکان طراحی اقتصادی و فنی بر اساس نتایج آن ها مقدور نیست. بدین منظور در این پژوهش با استفاده از سیستم استنتاجی عصبی- فازی تطبیقی و بهینه سازی آن با استفاده از الگوریتم رقابت استعماری یک مدل جهت تخمین عمق آبشستگی پایه پل ارایه شده است. مقایسه نتایج مدل پیشنهادی حاضر با نتایج مدل مبنا بر اساس ضریب تعیین بدست آمده نشان داد که دقت و کارایی مدل مبنا با بهینه سازی های صورت گرفته به مقدار ۵۱ درصد افزایش یافته است. همچنین مقایسه نتایج مدل پیشنهادی با نتایج روابط تجربی با استفاده از خطای جذر میانگین مربعات نشان داد مدل یشنهادی نسبت به روابط مذکور نتایج بهتری را کسب کرده است. به عنوان مثال میزان خطای جذر میانگین مربعات در مقایسه بارابطه فروهلیچ که بهترین عملکرد را در بین روابط تجربی دارد، ۱۷درصد کمتر شده است.
Keywords:
Authors
امین جعفری باویل علیایی
دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران
یوسف حسن زاده
گروه عمران آب، دانشکده عمران دانشگاه تبریز، تبریز، ایران
محمد تقی اعلمی
گروه عمران آب دانشکده مهندسی عمران دانشگاه تبریز، تبریز، ایران
نازیلا کاردان
گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه شهید مدنی آذربایجان، تبریز، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :