پایشو پیشبینی شرایط هیدرولیکی نیمه اشباع در هسته سدهای خاکی بر مبنای آنالیز هوشمند داده
Publish place: 1st National Conference on Development of Civil Engineering, Architecure,Electricity and Mechanical in Iran
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 492
This Paper With 15 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:
DCEAEM01_433
تاریخ نمایه سازی: 18 دی 1393
Abstract:
یکی از چالشهای امروز مهندسی ژئوتکنیک، عدم امکان ایجاد ارتباط بین نرمافزارهای عددی و مدلها ی مختلف مد یریتی است. در زمان بهرهبرداری واقعی از یکسد خاکی، شرایط مرز ی ناپای دار و عدم قطعی تدر خصوص یات ژئوتکنیکی مصالح،صحت طراحیهای قطعی اولیه را با تردید مواجه میسازد. کاربر، برای اعمال مدیریت صحیح خود در بهره بردار ی از یکسد، لازم است تا با در نظر گرفتن حالتهای مختلفتغییرات ممکن، به دفعات مدلهای عددی را اجرا کرده و هر بار از نتا یج آن دربرنامهریزی استفاده کند. برای اطلاع از شرایط هیدرولیکی واقعی سد در زمان بهرهبرداری، استفاده از ابزار هوش مصنوعی، یکراه آسان، سریع و نسبتاً دقیق است. چنانچه مدلهای هوش مصنوع ی از دقت مطلوب ی برخوردار باشند و به ازای کلیه شرا یط محتمل و بحرانی آموزشدیده باشند، میتوانند علاوه بر پایش، در پیشبینی و پیشگیری از حوادث ناگوار آینده نیز بکار آیند . دراین مقاله، قابلیت دو مدل ماشین بردار پشتیبانSVM و شبکه عصبی مصنوع یAANدر مدل سازی آنالیز غیرقطعی تراوش، مقایسه و ارزیابی شده است. تفاوت مدلSVMبا دیگر الگوریتمهای شبیهسازی هوشمند نظی رAANدر بکارگیری اصل حداقلسازی خطای ساختاری است. ارزیابی مقادیر فشار منفذی و گرادیان هیدرولیکی در هسته، توابع هدفدر این تحقیق میباشند. پارامترهای ورودی به این دو مدل، سرعتنوسانات تراز مخزن و شش شاخص غیرقطع ی تاثیرگذار بر تابع هدا یت هیدرولیکی a,n,m,sat, res, k satهستند که به ترتیببر اساسروشهای رگرسیونی و احتمالاتی محاسبه شدهاند . تدو ین مدلهای آنالیز هوشمند داده، بر مبنای اطلاعات سد خاکی علویان و مدلسازیهای عددی به روشاجزای محدود، صورت گرفته است. نتایج این مقاله، برتریSVM در رقابتباAANرا بر اساسشاخصهای آماری، نشان میدهد.
Keywords:
در زمان واقعی , شرایط مرزی ناپایدار , عدمقطعیت , محیط نیمه اشباع هسته , ماشین بردار پشتیبان , شبکه عصبی مصنوعی
Authors
عبدالرحیم جمال
دانشجوی دکتری مهندسی عمران – آب، گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد اراک
محمدرضا نیکو
استادیار دانشکده مهندسی راه، ساختمان و محیط زیست، دانشگاه شیراز
محسن نجارچی
استادیاردانشکده مهندسی عمران، دانشگاه آزاد اسلامی واحد اراک
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 :