پیشبینی عمق آبشستگی در پایه های استوانهای شکل با استفاده از درختهای رگرسیونی و مقایسه آن با روشهای تجربی
Publish place: 7th Iranian Hydraulic Conference
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,694
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:
IHC07_132
تاریخ نمایه سازی: 10 مرداد 1387
Abstract:
یکی از عوامل بسیار مهم در تخریب پل ها آبشستگی است. در طراحی پل هایی که بر روی رودخانه ها قرار می گیرند عمق نهایی آب شستگی، عامل بسیار تعیین کننده ای است چرا که جیان پس از برخورد با پایه های پل تشکیل سیستم های گردابی داده که این سیتسم ها اطراف پایه را خالی کرده و موجب ناپایداری پل می گردند. محققین بسیاری در گذشته پارامترهای مؤثر بر این پدیده را بررسی و روابط تجربی متعددی ارائه کرده اند. در سال های اخیر ابزارهای محاسباتی نرم مانند شبکه های عصبی مصنوعی، سیستم استنباط فازی و ... برای تخمین عمق نهایی آبشستگی مورد استفاده قرار گرفته است. درختهای تصمیم گیری یکی از ابزارهای داده کاوی متداول برای پیش بینی می باشند که در فرایند آموزش داده ها، تولید یکسری قوانین می کنند و پیش بینی خود را بر اساس این قوانین تولید شده انجام می دهد. سرعت، دقت بالا و تصمیم گیری بر اساس ارزش دهی به هر یک از پارامترها برای ایجاد مدل مناسب از مزیت های این روش می باشد، در این تحقیق با استفاده از درخت های تصمیم رگرسیونی و با به کار بردن الگوریتم CART عمق نهایی آبشستگی در پایه های پل تخمین زده شده است. داده های مورد استفاده در این تحقیق شامل 11 سری داده آزمایشگاهی در شرایط آب زلال می باشند. پارامترهای اندازه گیری شده آزمایشگاهی شامل قطر متوسط ذرات (d50)، قطر (d)، عمق آب (y) ، سرعت متوسط جریان (u)، سرعت بحرانی (uc) و عمق آبشستگی (ds) می باشند. از پارامترهای مذکور برای ساخت و اریابی مدل درخت رگرسیونی استافده شده است و در نهایت نتایج مدل با دقت بیشتر نسبت به مدل های تجربی می باشند.
Keywords:
Authors
علی سبزیان پور
دانشجوی کارشناسی ارشد عمران - دانشکده عمران - دانشگاه علم و صنعت ایران
جواد محجوبی
کارشناسی ارشد عمران - موسسه تحقیقات آب
ابراهیم جباری
استادیار دانشکده عمران - دانشکده عمران - دانشگاه علم و صنعت 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 :