پیش بینی حداکثر عمق آبشکستگی بااستفاده از انواع مولدهای سیستم استنتاج فازی مدل ANFIS

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 607

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ABYARI12_365

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

آبشستگی پیرامون پل ها از مهمترین دلایل تخریب آنها به شمار می رود. لذا آگاهی از عوامل تاثیرگذار و تخمین حداکثر مقدار آن نقش مهمی در طراحی ایمن این سازه ‏ها در رودخانه ها خواهد داشت. با پیشرفت ساخت سازه ‏ها، پل ها با اشکال هندسی مختلف ساخته می شوند. از جمله این سازه ‏ها، پل ها با گروه ‏پایه کج بوده ‏که به دلیل ترکیب همزمان تاثیر کج شدگی پایه ها، فونداسیون و سپرشدگی پایه دوم، فرآیند آبشستگی از پیچیدگی بیشتری برخوردار می باشد. یکی از روش هایی کارآمد جهت پیش بینی فرآیندهای فیزیکی نظیر آبشستگی، استفاده ‏از سیستم های هوشمند نظیر سیستم های استنتناج عصبی-مصنوعی تطبیقی (ANFIS) می باشد. هدف از تحقیق حاضر یافتن بهترین مولد سیستم استنتاج فازی (FIS) در مدلANFIS ‏برای پیش بینی حداکثر عمق آبشستگی اطراف گروه ‏پایه کج می باشد. برای این منظور داده های 48 ‏سری آزمایش مربوط به گروه پایه کج مستقر بر روی فونداسیون برای شرایط هیدرولیکی و رقوم کارگذاری فونداسیون مختلف مورد استفاده قرار گرفت. به منظور مقایسه نتایج از آماره های ضریب تبیین (R2 ‏) و میانگین مجذور مربعات خطا (RMSE) استفاد. شد. نتایج نشان داد که مدلANFIS ‏با سیستم استنتاج فازی (FIS ) از نوع GENFIS1بهترین عملکرد را در تخمین حداکثر عمق آبشستگی دارا بود. که قادر بود پدیده مورد نظر را با (R2 ‏) و (RMSE) به ترتیب برابر 0/976 ‏و 0/053 ‏پیش بینی نماید

کلیدواژه ها:

عمق آبشستگی ، گروه پایه کج ، ANFIS ‏ ، سیستم استنتاج فازی عصبی (FIS)

نویسندگان

اطهر کنعانی ماوردیانی

دانشگاه آزاد اسلامی واحد فومن و شفت، فومن، ایران

مهدی اسماعیلی ورکی

استادیار گروه مهندسی آب، دانشگاه گیلان

مریم نوابیان

استادیار گروه مهندسی آب، دانشگاه گیلان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :