ارزیابی آبشستگی پایه پل ها با استفاده از شبکه عصبی هوشمند
Publish place: 10th International Congress on Civil Engineering
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 905
This Paper With 8 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:
ICCE10_1038
تاریخ نمایه سازی: 19 تیر 1394
Abstract:
برای طراحی پلها با ضریب اطمینان بالا و بصورت اقتصادی نیاز به براورد دقیق ماکزیمم عمق آبشستگی اطراف پایه ها می باشد برای تعیین عمق آبشستگی اطراف پایه های پل روابط متعددی برمبنای داده های آزمایشگاهی ارایه شده است دراین تحقیق بوسیله شبکه عصبی هوشمند دقت چهاررابطه تجربی تعیین عمق آبشستگی بررسی میگردد داده های مورد استفاده مربوط به پلهای منطقه نیوهمپشایر است همچنین دراین تحقیق ازقابلیتهای هوش مصنوعی دوشبکه عصبی مصنوعی پیشرونده باالگوریتم پس انتشار خطا FFBP و الگوریتم تابع پایع شعاعی RBF جهت پیش بینی عمق آبشستگی اطراف پایه پل ها نیز استفاده شده است درنهایت نتایج تمامی مدلها استخراج و مقایسه میگردد عمق آبشستگی تعادلی به شش پارامتر میانگین قطرذرات ضریب دانه بندی قطرپایه عمق جریان سرعت متوسط جریان و سرعت بحرانی جریان وابسته می باشد ملاحظه گردید مدلهای هوش مصنوعی با داده های با بعد اموزش بهتری داشته اند و نتایج آنالیز حساسیت نشان میدهد که قطرپایه پل حساسیت بیشتری درتخمین عمق آبشستگی نسبت به دیگر پارامترها داشته است براساس نتایج شبکه های RBF بهترین نتایج رادرمرحله آموزش و ارزیابی داشته و همچنین شبکه های هوش مصنوعی درمقایسه با روابط تجربی دقت بیشتری داشته اند هدف اصلی این تحقیق ارزیابی دقت روشهای مبتنی برهوش مصنوعی درمقایسه با روابط تجری درشرایط استفاده ازداده های یکسان برای تمامی مدلها است
Keywords:
Authors
سلیم رحمتی هولاسو
دانشگاه آزاد اسلامی واحد مراغه واحد مراغه ایران
جمیل قادری
دانشگاه آزاد اسلامی واحدمهاباد مهاباد 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 :