تخمین عمق آبشستگی موضعی درزیرخطوط لوله مدفون دربستر دریابااستفاده از مدل درخت (MT)
Publish place: 3rd International Conference on Applied Research in Civil Engineering, Architecture and Urban Management
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 509
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEUCONF03_222
تاریخ نمایه سازی: 16 شهریور 1395
Abstract:
استفاده ازروش های هوش مصنوعی دربرآورد بیشترین عمق آبشستگی زیر خطوط لوله حفر شده در کف دریا زیادی پیدا کرده است . نتایج این گونه مطالعات نشان داد که روشهای هوشمند تکاملی نسبت به روابط تجربی می توانند کارایی بیشتری را داشته باشند. لذا دراین مطالعه از مدل درخت (MT) جهت تخمین عمق آبشستگی زیر خط لوله در شرایط جریان آب زلال وبستر زنده استفاده می شود. متغیرهای تاثیر گذار بر بیشترین عمق آبشستگی شامل خصوصیات فیزیکی رسوبات بستر ، قطر لوله ، عمق جریان بالاست وسرعت متوسط جریان بالا دست می شوند. با استفاده از آنالیز ابعادی ، پارامترهای موثر به عنوان متغیرهای ورودی مدل درخت مشخص می گردند. مدل درخت برمبنای داده های آزمایشگاهی دردو شرایط مختلف رسوبی آب زلال وبستر زنده توسعه داده می شود . بعد از انجام مراحل آموزش وتست مدل MT، با استفاده پارامتر های معیار خطا عملکرد مدل پیشنهادی مورد بررسی قرار می گیرد. بیشترین عمق آبشستگی حاصل از مدل درخت با نتایج مدل هوشمند روش دسته بندی گروهی داده ها (GMDH) روابط تجربی ابراهیم ونالوری (1986) ،مونکادا وآگویرا (1999) می شوند. همچنین ، تاثیر گذاری پارامتر برعمق آبشستگی زیر خط لوله با استفاده از آنالیز حساسیت مشخص می شود.
Keywords:
Authors
سیدابوالفضل هاشمی
گروه مهندسی عمران، دانشکده فنی مهندسی، دانشگاه آزاد، سیرجان، ایران
غلامعباس بارانی
گروه مهندسی عمران، دانشکده فنی مهندسی، دانشگاه آزاد، سیرجان، ایران
حمید امین زاده
گروه مهندسی عمران، دانشکده فنی مهندسی، دانشگاه آزاد کرمان، 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 :