بررسی آبشستگی در اطراف پایه های غیر یکنواخت با استفاده از روش M5-Tree
Publish place: کنفرانس بین المللی مهندسی شهرسازی، عمران،معماری
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 535
This Paper With 13 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:
ICOA01_129
تاریخ نمایه سازی: 11 آبان 1395
Abstract:
همه ساله پل های زیادی در سراسر جهان به دلیل در نظر نگرفتن عوامل هیدرولیکی در طراحی پل ها تخریب می گردند. از جملهپارامتر های مهم در طراحی پل ها مسئله آبشستگی دراطراف پایه ها می باشد. با توجه به اینکه قرارگیری فونداسیون در زیر بستر به عنوان یکمانع موجب تغییرات زیادی در آبشستگی می گردد، لذا در این مقاله به بررسی آبشستگی اطراف پایه های غیر یکنواخت در با استفاده از مدلM5-Tree و شبکه های عصبی پرداخته شده است. آزمایش ها بر روی پایه های غیر یکنواخت مستطیلی با ابعاد متفاوتی برای پایه و فونداسیون انجام شده است. نتایج آزمایشگاهی حاصله به همراه نتایج محققان دیگر برای ورودی شبکه عصبی و مدل M5-Tree مورد استفاده قرار گرفته است. نتایج حاصله نشان می دهد که هر دو روش (M5-Tree (R2=0.836,RMSE=0.09,MAE=0.0728 و شبکه های عصبی (ANN(R2=0.927,RMSE=0.045,MAE=0.03 نسبت به روشهای محققین دیگر از دقت بالایی برخوردار هستند و همچنین روش شبکه عصبی (R2=0.872,RMSE=0.0558,MAE=0.0418) ANNنسبت به روش (M5-Tree R2=0.836,RMSE=0.09,MAE=0.0728) از دقت بالاتری برخوردار می باشد، بیشترین ضریب همبستگی در روش ANN از بقیه روشها بیشتر بوده که نشان دهنده دقت بالای شبکه می باشد و میتوانبه عنوان روشی قدرتمند در تخمین ماکزیمم عمق آبشستگی و همچنین برای دیگر مسائل هیدرولیکی بکار برد.
Keywords:
مکانیزم آبشستگی , ماکزیمم عمق آبشستگی , پایه های غیر یکنواخت مستطیلی , مدل درختی M5-Tree , شبکه عصبی ANN
Authors
رضا محمدپور
عضو هیات علمی دانشگاه آزاد اسلامی واحد استهبان
عاطفه تقی شاهبازی
دانشجوی کارشناسی ارشد مهندسی عمران- آب ، دانشگاه آزاد اسلامی واحد استهبان
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 :