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

بررسی کارائی شبکه های عصبی مصنوعی در پیش بینی عمق آبشستگی پایه های پل و مقایسه نتایج با مدل های ریاضی معتبر

اعتبار موردنیاز: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۱۵۸ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: NCCE04_472
زبان مقاله: فارسی
حجم فایل: ۲۷۴.۲۱ کلیوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله بررسی کارائی شبکه های عصبی مصنوعی در پیش بینی عمق آبشستگی پایه های پل و مقایسه نتایج با مدل های ریاضی معتبر

  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 (شناسه پژوهشگر - Researcher ID: ۱۳۹۱)
استاد گروه عمران آب دانشگاه تبریز، دانشگاه تبریز - دانشکده فنی مهندسی

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 .

کلیدواژه‌ها:

پایه پل، عمق آبشستگی، شبکه عصبی مصنوعی،معادلات آبشستگی، داده های صحرایی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCCE04-NCCE04_472.html
کد COI مقاله: NCCE04_472

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
شهرادفر, سیمین؛ نعیمه ابوالواسط و یوسف حسن زاده، ۱۳۸۷، بررسی کارائی شبکه های عصبی مصنوعی در پیش بینی عمق آبشستگی پایه های پل و مقایسه نتایج با مدل های ریاضی معتبر، چهارمین کنگره ملی مهندسی عمران، تهران، دانشگاه تهران، https://www.civilica.com/Paper-NCCE04-NCCE04_472.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (شهرادفر, سیمین؛ نعیمه ابوالواسط و یوسف حسن زاده، ۱۳۸۷)
برای بار دوم به بعد: (شهرادفر؛ ابوالواسط و حسن زاده، ۱۳۸۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • U.S. Department of Tran sportation, (1993). *Evaluating Scour at Bridges?. ...
  • Thamer.A.M, Megat Johari.M, Ghazali.A.H, Huat .B.K, (2005).، Validation of some ...
  • Dali akopoulos _ N.I., Couliblay, P., Tsanis, H. K., (2005). ...
  • Johnson, P.A., (1995). *Comparison of pier scour equations using field ...
  • Melville, B.V. and A.J. Sutherland, (1998). Design method for local ...
  • اکبر پور، م. و بارانی، غ. ع. و راهنما، م.ب.(۱۳۸۲). ... (مقاله کنفرانسی)
  • of methodology for modeling hysteresis behavior of soils using neural ...
  • Hecht-N ielsen R, ،، Kolmo gorov's mapping neural network existence ...
  • R.P. Lippmann, ،An introduction to computing with neural nets?', IEEE ...
  • Rumelhart DE, Hinton GE, Williams R.J. *Learning internal representation _ ...
  • Anderson, D., McNeill1, G., (1992).، Artificial neural networks technology?. Kaman ...
  • .[12] ASCE Task Committee _ Application of Artificial Neural Networks ...
  • Messer K, Kittler J. *Choosing an optimal neural network size ...
  • M. Nelson and W.T. Illingworth, A practical guide to neural ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۱۰۶۱
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.