سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

ارزیابی مدل های MNLR,ANFIS,RBF,FFBP در برآورد عمق آبشستگی پایه پل

Publish Year: 1389
Type: Conference paper
Language: Persian
View: 1,517

This Paper With 8 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

IHC09_089

Index date: 24 June 2010

ارزیابی مدل های MNLR,ANFIS,RBF,FFBP در برآورد عمق آبشستگی پایه پل abstract

دراین تحقیق با استفاده از قابلیتهای هوش مصنوعی، عمق آبشستگی موضعی پایه پل براورد شده است و نتایج این مدلها با نتایج روابط رگرسیونی حاصله از آنالیز ابعادی و داده های واقعی مقایسه شدها ست بدین منظور از سه روش هوشمند شبکه های عصبی مصنوعی پیش خور چند لایه FFBP ، شبکه های عصبی مصنوعی با پایه شعاعی RBF، و نروفازی ANFIS و یک روش آماری رگرسیون غیرخطی چند گانه MNLR مدلهایی برای تخمین عمق آبشستگی موضعی توسعه داده شدها ست و نتایج آنها با داده های اندازه گیری شده واقعی با یکدیگر مقایسه شده است.

ارزیابی مدل های MNLR,ANFIS,RBF,FFBP در برآورد عمق آبشستگی پایه پل Keywords:

ارزیابی مدل های MNLR,ANFIS,RBF,FFBP در برآورد عمق آبشستگی پایه پل authors

مجتبی رمضانی مقدم

دانشجوی کارشناسی ارشد سازه های هیدرولیکی

مسعودرضا حسامی کرمانی

استادیار دانشکده عمران

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 :
شفاهی بجستان، م.، (1383)، " هیدرولیک رسوب، " انشارات دانشگاه ...
Richardson, E. V., and Davis, S.R. (2001). Evaluating scour at ...
Z O u n emat-Kermat , M., Beheshti, A.A., Ataie ...
Azmathulla, H. Md., Deo, M.C., Deolalikar, P. B., (2005), "Neural ...
Bateni , S. M., Borghei, S. _ Jeng. D.-S., (2006), ...
Guven, A., Mustafa, G., (2008), "Genetic Programming Approach for Prediction ...
Hornik KM., Stinchcombe M. and White H., (1989), MMllllaeer feedforward ...
Wasserman PD., (1993), ddd aameed hhhhods in Nuura Copp uiingUUU8: ...
Demuth HB., Beale MH., Hagan MT., (2006), NNura Nwwark ooobbx ...
Sugeno M. (1985). Industrial applications of fuzzy control, Elsevier SciencePub. ...
A. Molinas, M. I. Abdou., (1998), _ Effects of Gradation ...
D. M. Sheppard , M.Odeh, T.Glasser., (2004), _ Large Scale ...
D. Max. Sheppard, W. Miller., (2006), : Live-Bed Local Pier ...
S. Dey, SK. Bose, G.L.N. Sastry., (1995), _ Clear water ...
F. Mia, H. Nago.. (2003), " Design method of time ...
نمایش کامل مراجع

مقاله فارسی "ارزیابی مدل های MNLR,ANFIS,RBF,FFBP در برآورد عمق آبشستگی پایه پل" توسط مجتبی رمضانی مقدم، دانشجوی کارشناسی ارشد سازه های هیدرولیکی؛ مسعودرضا حسامی کرمانی، استادیار دانشکده عمران نوشته شده و در سال 1389 پس از تایید کمیته علمی نهمین کنفرانس هیدرولیک ایران پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله هوش مصنوعی، آبشستگی موضعی، آنالیز ابعادی، ANFIS,RBF,FFBP هستند. این مقاله در تاریخ 3 تیر 1389 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1517 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که دراین تحقیق با استفاده از قابلیتهای هوش مصنوعی، عمق آبشستگی موضعی پایه پل براورد شده است و نتایج این مدلها با نتایج روابط رگرسیونی حاصله از آنالیز ابعادی و داده های واقعی مقایسه شدها ست بدین منظور از سه روش هوشمند شبکه های عصبی مصنوعی پیش خور چند لایه FFBP ، شبکه های عصبی مصنوعی با پایه شعاعی RBF، و ... . این مقاله در دسته بندی موضوعی هوش مصنوعی طبقه بندی شده است. برای دانلود فایل کامل مقاله ارزیابی مدل های MNLR,ANFIS,RBF,FFBP در برآورد عمق آبشستگی پایه پل با 8 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.