CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیش بینی عمق آبشستگی در گروه پایه ها به کمک شبکه عصبی مصنوعی مبتنی بر تابع پایه شعاعی و مدل سیستم استنتاج فازی

عنوان مقاله: پیش بینی عمق آبشستگی در گروه پایه ها به کمک شبکه عصبی مصنوعی مبتنی بر تابع پایه شعاعی و مدل سیستم استنتاج فازی
شناسه ملی مقاله: CICEAUD01_0466
منتشر شده در کنفرانس بین المللی عمران،معماری و شهرسازی ایران معاصر در سال 1396
مشخصات نویسندگان مقاله:

مجتبی علیپورنودهی - دانشجوی کارشناسی ارشد سازه های آبی دانشگاه فردوسی مشهد،
علی اصغر بهشتی - استادیار گروه مهندسی آب دانشگاه فردوسی مشهد،
عباس روحانی - استادیار گروه مهندسی مکانیک بیوسیستم دانشگاه فردوسی مشهد،

خلاصه مقاله:
پیش بینی عمق آبشستگی در اطراف پایه های پل یکی از مهترین عوامل طراحی پل می باشد. تاکنون معادلات تجربی فراوانی برای تخمین عمق آبشستگی با استفاده از داده های آزمایشگاهی و روش های موسوم به داده کاوی به دست آمده است. اکثر این معادلات برای تخمین عمق آبشستگی در تک پایه هاست و برای کاربرد آن برای گروه پایه نیاز به اصلاح روابط و یا ارایه رابطه جدید دارد. در این مطالعه داده های بسیار ارزشمندی از آزمایشات مختلف در گروه پایه ها با آرایش های مختلف و بازه ی وسیع پارامترهای موثر جمع آوری شد که در مجموع 365 آزمایش موجود می باشد. بر این اساس، شش رابطه ی موجود و یک رابطه ی تصحیح شده در این مطالعه مورد ارزیابی قرار گرفتند که نشان دهنده ی دقت رابطه ی تصحیح شده نسبت به روابط قبلی است. در تخمین عمق آبشستگی با استفاده از دو مدل شبکه عصبی مصنوعی بر پایه شعاعی ( RBF ) و مدل سیستم استنتاج فازی ( ANFIS ) نتایج حاکی از دقت بالای این دو مدل بوده و با استفاده از آنالیز حساسیت متغیرهای با بعد n ، s و و نیز متغیرهای بی بعد n و S/bp بیشترین تاثیر را در تخمین عمق آبشستگی دارند.

کلمات کلیدی:
عمق آبشستگی، گروه پایه، شبکه عصبی مصنوعی با پایه شعاعی ( RBF )، مدل سیستم استنتاج فازی (ANFIS)

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/709161/