بررسی کارائی شبکه های عصبی مصنوعی در پیش بینی عمق آبشستگی پایه های پل و مقایسه نتایج با مدل های ریاضی معتبر
محل انتشار: چهارمین کنگره ملی مهندسی عمران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,728
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCE04_472
تاریخ نمایه سازی: 19 مهر 1386
چکیده مقاله:
پل ها از جمله مهمترین و حیاتی ترین سازه های ارتباطی هستند که از دیرباز مورد استفاده قرار می گیرند . آبشستگی پایه های پل یکی از مهم ترین عوامل تهدید کننده پایداری پل های احداث شده بر روی رودخانه ها می باشد . منشا آبشستگی موضعی در واقع نوعی فرسایش در اطراف پایه پل ها است که در نتیجه جریان های گردابی برخاستگی و جریان نعل اسبی می باشد . به دلیل پیچیدگی فرایند آبشستگی و نامعلوم بودن جزئیات و عملکرد گردابهای تشکیل یافته در اطراف پایه های پل، روابط گوناگونی برای برآورد حداکثر عمق حفره آبشستگی ارائه شده است که عمدتا آزمایشگاهی و بعضا نیمه تئوری و یا صحرایی هستند . در عصر حاضر، استفاده از شبکه های عصبی مصنوعی ) ) Artificial Neural Networks به دلیل ساختار ریاضی کاملا غیر خطی می تواند جایگزین مناسبی برای مدلهای دیگر باشد . در این مقاله با استفاده از آمار واقعی نتایج بدست آمده از 3 رابطه معتبربرای محاسبه عمق آبشستگیCSU ) ) ( ، ملویل و سادرلند، لارسن و توچ ) با نتایج یک مدل شبکه عصبی مصنوعی بهینه و مقادیر مشاهداتی مقایسه شده است . برای مقایسه از توابع هدف MAE ، RMSE و R 2 استفاده شد . نتایج تحقیق حاکی از آن است که ANN از سرعت عمل و دقت قابل قبولی برخوردار بوده و نتایج بهتری نسبت به سایر مدل ها ارائه می دهد .
کلیدواژه ها:
نویسندگان
سیمین شهرادفر
دانشجوی کارشناسی ارشد عمران - سازه های هیدرولیکی، دانشگاه تبریز - دانش
نعیمه ابوالواسط
دانشجوی کارشناسی ارشد عمران - آب، دانشگاه تبریز - دانشکده فنی مهندسی عم
یوسف حسن زاده
استاد گروه عمران آب دانشگاه تبریز، دانشگاه تبریز - دانشکده فنی مهندسی
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 :