صحت سنجی مدل های یادگیری ماشین برای تفسیر و پیش بینی رفتار سازهای سدها با استفادهاز داده های ابزار دقیق
Publish Year: 1403
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 112
This Paper With 18 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:
CAUICNF09_073
تاریخ نمایه سازی: 8 مرداد 1403
Abstract:
در سال های اخیر، در دسترس بودن تکن یکهای یادگیری ماش ین برای پیشبینی و تفس یر رفتار ساختاری سدها مورداستفاده قرار گرفته است. هدف این مقاله نحوه انتخاب یک مدل یادگیری ماشین با دقت و عملکرد مناسب برای پیش بینیرفتار سازه های سد با در نظر گرفتن داده ها ی جمع آوری شده به مدت ۱۳ سال از ابزارهای موجود در سازه سد است. این امر مستلزم انتخا ب چندین روش یادگیری ماش ین مانند جنگلهای تصادفی RF، درختان رگرسیون تقویت شده BRT، شبکه های عصبی مصنوعی ANN ، رگرسیون برداری پشتیبانی SVR و الگوریتم های رگرسیون درخت تصمیم DTR است. در این مقاله، با در نظر گرفتن ۶ متغیر هدف تعریفشتتده از ابزار دقیق پاندول، رفتار س با استفاده از مدل هاییادگیری ماشین انتخابی مدل سازی می شود . ارزیابی مدل های ساخته شده با ا ستفاده از سه شاخص اندازه گیری خطا R,MSE,MAE و تکنی کهای صحت سنجی و راستی آزمایی مدل انجام شده است . بنابراین، در این مقاله کار گسترده ای در مورد ارزیابی و صحت سنجی مدل های مبتنی بر داده برای تجزیه و تحلیل رفتار سد مورد مطالعه ارایه شدهاست. تکنیک های صحت سنچی شامل صحت سنجی داده های تاریخی، صحت سنجی پیش بینی و رفتار باقیمانده ها در زمان است. بدین ترتیب، مدل درختان رگرسیون تقویت شده BRT در فرآنید ارزیابی و صحت سنجی مدل، بهترین انطباق و دقت را در بخشهای یادگیری و پیشبینی رفتار سد قوسی مورد مطالعه را داشته است.
Keywords:
Authors
میلاد مرادی سارخانلو
فارغ التحصیل کارشناسی ارشد مهندسی عمران - سازههای هیدرولکی، دانشکده مهندسی عمران، دانشگاه صنعتی شریف، تهران ایران
وهب توفیق
استاد دانشکده مهندسی عمران، دانشگاه صنعتی شریف، تهران، ایران
محسن قائمیان
استاد دانشکده مهندسی عمران، دانشگاه صنعتی شریف، تهران، ایران