ارزیابی عملکرد روش های داده کاوی و روابط تجربی در تخمین عمق آب شستگی اطراف پایه های پل
عنوان مقاله: ارزیابی عملکرد روش های داده کاوی و روابط تجربی در تخمین عمق آب شستگی اطراف پایه های پل
شناسه ملی مقاله: JR_WEJMI-9-30_003
منتشر شده در در سال 1395
شناسه ملی مقاله: JR_WEJMI-9-30_003
منتشر شده در در سال 1395
مشخصات نویسندگان مقاله:
محمدتقی ستاری - محمدتقی ستاری، عضو هیئت علمی گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
علی رضازاده جودی - کارشناس ارشد عمران آب، باشگاه پژوهشگران جوان و نخبگان، واحد مراغه، دانشگاه آزاد اسلامی، مراغه، ایران.
هادی ارونقی - عضو هیئت علمی گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
خلاصه مقاله:
محمدتقی ستاری - محمدتقی ستاری، عضو هیئت علمی گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
علی رضازاده جودی - کارشناس ارشد عمران آب، باشگاه پژوهشگران جوان و نخبگان، واحد مراغه، دانشگاه آزاد اسلامی، مراغه، ایران.
هادی ارونقی - عضو هیئت علمی گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
یکی از عواملی که همواره پلها را مورد تهدید قرار میدهد، آبشستگی موضعی میباشد. پرشمار بودن فراسنجهای تاثیرگذار بر پدیدهی آبشستگی و همچنین پیچیدگی فرایند آبشستگی، بررسی این پدیده را با دشواریهای بسیار همراه نموده است. بهرغم تلاشهای زیاد صورت گرفته در این زمینه و تعدد روابط تجربی موجود، رابطهی کلی و جامعی برای تخمین عمق حفرهی آبشستگی در همهی شرایط موجود نیست. امروزه استفاده از روشهای نوین دادهکاوی، سامانههای هوشمند و نرمافزار درختی M۵، برای حل و شبیهسازی مسائل پیچیدهی مهندسی آب مورد توجه واقع شدهاند. در این تحقیق، با استفاده از دادههای آزمایشگاهی و مشخص نمودن ۱۰ نمایشنامه مختلف، شامل ترکیبهای متفاوتی از عوامل موثر بر آبشستگی، سعی بر بررسی کارایی روشهای شبکه عصبی مصنوعی و نرمافزار درختی M۵ در تخمین عمق آبشستگی پایهی پل و مقایسهی دستاوردها با نتایج روابط تجربی Melville، Mississippi و HEC-۱۸ شده است. نتایج بهدست آمده نشان دادند نرمافزار درختی M۵، با ارائهی دو قانون ساده اگر-آنگاه و با ضریب همبستگی ۹۵/۰ در مقایسه با روش شبکههای عصبی مصنوعی و روابط تجربی در تخمین آبشستگی از کارایی بالایی برخوردار است. همچنین، مشخص گردید که برای دادههای آزمایشگاهی مورد استفاده در این تحقیق و از بین روابط تجربی موجود، روابط HEC-۱۸، Mississippi و Melville به ترتیب از دقت نسبتا بالایی برخوردار می باشند.
کلمات کلیدی: آبشستگی موضعی, داده کاوی, نرم افزار درختی M۵, شبکه ی عصبی مصنوعی, روابط تجربی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1912897/