ارزیابی ظرفیت باربری شالوده های جدار نازک با روش تلفیقی فازی -عصبی روش دسته بندی گروهی داده ها بهینه شده با روش های فراابتکاری
Publish place: The Second International Conference on Architecture, Civil Engineering, Urban Planning, Environment and Horizons of Islamic Art
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 192
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICACU02_1909
تاریخ نمایه سازی: 13 اسفند 1401
Abstract:
برآورد صحیح و مطمئن ظرفیت باربری پی های جدار نازک برای طراحی دقیق این سازه ها مهم و ضروری است . این مطالعه یک تکنیک هوشمند ترکیبی جدید، یعنی سیستم استنتاج عصبی فازی تطبیقی -(ANFIS)شبکه عصبی چند جمله ای (GMDH) بهینه سازی شده توسط الگوریتم ژنتیک (GA)، به نام ANFIS-GMDH-GA را برای پیش بینی ظرفیت باربری پیشنهاد می کند. پایه های دیوار نازک در واقع در سیستم ANFIS-GMDH-GA از GA برای بهینه سازی ساختار ANFIS-GMDH استفاده شد. برای دستیابی به هدف این پژوهش ، مجموعه ای از نمونه های داده از مقالات گذشته جمع آوری شد. پس از ایجاد پایگاه داده، بسیاری از مدلهای ANFIS-GMDH-GA ساخته و برای تخمین ظرفیت باربری پایه های فوقالذکر پیشنهاد شدند. برای نشان دادن قابلیت این مدل هیبریدی پیشرفته ، دو مدل از پیش توسعه یافته یعنی ANFIS و GMDH نیز برای پیش بینی ظرفیت باربری ساخته شدند. پیش بینی عملکرد مدلهای پیشنهادی با استفاده از چندین شاخص عملکرد، به عنوان مثال، ضریب همبستگی (R) و میانگین مربعات خطا (MSE) ارزیابی شد. مقادیر R (۰.۹۸۲۵، ۹۰۷۱.۰، و ۹۹۲۸.۰) و (۸۶۳۰.۰، ۷۵۹۵.۰ و ۹۲۴۱.۰) به ترتیب برای آموزش و آزمایش داده های مدل های ANFIS، GMDH و ANFIS-GMDH-GA به دست آمد. بر این اساس، به دلیل نقش GA به عنوان یک الگوریتم بهینه سازی عملی در بهبود کارایی هر دو مدل GMDH و ANFIS، نتایج به دست آمده توسط مدل ANFIS-GMDH-GA در مقایسه با سایر روشهای اجرا شده دقیق تر است . مدل ترکیبی پیشرفته پیشنهادی را می توان به عنوان یک تکنیک جدید و کاربردی برای حل مسائل در زمینه ژئوتکنیک و مهندسی عمران معرفی کرد.
Keywords:
ظرفیت باربری , پی های جدار نازک , الگوریتم ANFIS , شبکه روش گروهی دسته بندی داده ها (GMDH) , الگوریتم ژنتیک , تکنیک های مبتنی بر هوش مصنوعی ترکیبی
Authors
هومن هرندی زاده
فارغ التحصیل دکترای مهندسی عمران - بخش مهندسی عمران - دانشکده فنی و مهندسی - دانشگاه شهید باهنر کرمان،
محمد نجف زاده
دانشیار گروه مهندسی آب، دانشکده مهندسی عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته