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

پیش بینی بیشینه عمق آبشستگی در محل پل در حالت جریان تحت فشار با استفاده از شبکه ی عصبی مصنوعی

عنوان مقاله: پیش بینی بیشینه عمق آبشستگی در محل پل در حالت جریان تحت فشار با استفاده از شبکه ی عصبی مصنوعی
شناسه ملی مقاله: IHC16_349
منتشر شده در شانزدهمین کنفرانس هیدرولیک ایران در سال 1396
مشخصات نویسندگان مقاله:

سینا قنبری نمین - دانشجوی کارشناسی ارشد مهندسی آب و سازه های هیدرولیکی، دانشکده ی مهندسی عمران و محیط زیست، دانشگاه امیرکبیر
اکبر صفرزاده - دانشیار مهندسی عمران آب، دانشکده فنی و مهندسی، دانشگاه محقق اردبیلی
امیر رضا زراتی - استاد سازه های هیدرولیکی، دانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر

خلاصه مقاله:
در زمان سیلاب، عرشه اکثر پل ها در اثر افزایش زیاد عمق جریان، به طور کامل مستغرق شده و یا قسمتی از آنها زیر آب فرو می رود. در اثر این پدیده، آبشستگی در زیر عرشه بصورت آبشستگی تحت فشار رخ خواهد داد. برای شناخت این پدیده، مطالعات آزمایشگاهی توسط محققین قبلی انجام گرفته که نتیجه ی آنها، استخراج معادلات رگرسیونی متفاوتی برای تخمین عمق آبشستگی بیشینه تحت فشار در زیر عرشه ی پل می باشد. مقایسه ی روابط ارایه شده نشان می هد که هیچکدام از آنها به دلیل پیچیدگی ماهیت مسیله دارای جواب مطلوب نمی باشند. در این پژوهش، داده های آزمایشگاهی برداشت شده توسط Umbrell و همکاران در سال 1998 و همچنین داده های آزمایشگاهی Arneson در سال 1997، با استفاده از شبکه ی عصبی MLP توسعه یافته مدل سازی شده است. نتایج حاصل از مدل سازی نشان می دهد که ضریب همبستگی شبکه ی عصبی، برای داد های Umbrellو همکاران (1998)، 0.98 و برای داد های Arneson (1997)، 0.97 می باشد. این در حالی است که ضریب همبستگی معادله تجربی Umbrell و همکاران در سال 1998 به عنوان بهترین مدل رگرسیونی، برای داده های Umbrell و همکاران (1998) و همچنین داده های Arneson (1997)، به ترتیب برابر 0.86 و 0.62 می باشد.

کلمات کلیدی:
آبشستگی تحت فشار، شبکه ی عصبی MLP، محل پل

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/727569/