بررسی کارائی شبکه های عصبی مصنوعی در پیش بینی عمق آبشستگی پایه های پل و مقایسه نتایج با مدل های ریاضی معتبر
Publish place: 4th National Congress on Civil Engineering
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,730
This Paper With 7 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:
NCCE04_472
تاریخ نمایه سازی: 19 مهر 1386
Abstract:
پل ها از جمله مهمترین و حیاتی ترین سازه های ارتباطی هستند که از دیرباز مورد استفاده قرار می گیرند . آبشستگی پایه های پل یکی از مهم ترین عوامل تهدید کننده پایداری پل های احداث شده بر روی رودخانه ها می باشد . منشا آبشستگی موضعی در واقع نوعی فرسایش در اطراف پایه پل ها است که در نتیجه جریان های گردابی برخاستگی و جریان نعل اسبی می باشد . به دلیل پیچیدگی فرایند آبشستگی و نامعلوم بودن جزئیات و عملکرد گردابهای تشکیل یافته در اطراف پایه های پل، روابط گوناگونی برای برآورد حداکثر عمق حفره آبشستگی ارائه شده است که عمدتا آزمایشگاهی و بعضا نیمه تئوری و یا صحرایی هستند . در عصر حاضر، استفاده از شبکه های عصبی مصنوعی ) ) Artificial Neural Networks به دلیل ساختار ریاضی کاملا غیر خطی می تواند جایگزین مناسبی برای مدلهای دیگر باشد . در این مقاله با استفاده از آمار واقعی نتایج بدست آمده از 3 رابطه معتبربرای محاسبه عمق آبشستگیCSU ) ) ( ، ملویل و سادرلند، لارسن و توچ ) با نتایج یک مدل شبکه عصبی مصنوعی بهینه و مقادیر مشاهداتی مقایسه شده است . برای مقایسه از توابع هدف MAE ، RMSE و R 2 استفاده شد . نتایج تحقیق حاکی از آن است که ANN از سرعت عمل و دقت قابل قبولی برخوردار بوده و نتایج بهتری نسبت به سایر مدل ها ارائه می دهد .
Keywords:
Authors
سیمین شهرادفر
دانشجوی کارشناسی ارشد عمران - سازه های هیدرولیکی، دانشگاه تبریز - دانش
نعیمه ابوالواسط
دانشجوی کارشناسی ارشد عمران - آب، دانشگاه تبریز - دانشکده فنی مهندسی عم
یوسف حسن زاده
استاد گروه عمران آب دانشگاه تبریز، دانشگاه تبریز - دانشکده فنی مهندسی
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 :