CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Artificial Neural Network to Predict Equilibrium Local Scour Depth around Semicircular Bridge Abutments

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۱۲۶۷ | نظرات: ۰
سرفصل ارائه مقاله: Computer Science and Computer Engineering
سال انتشار: ۱۳۹۱
نوع ارائه: شفاهی
کد COI مقاله: SASTECH06_072
زبان مقاله: انگلیسی
حجم فایل: ۴۲۸.۲۶ کیلوبایت (فایل این مقاله در ۱۰ 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.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۰ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Artificial Neural Network to Predict Equilibrium Local Scour Depth around Semicircular Bridge Abutments

S. A. Begum - 1Department of Computer Science, Assam University, Silchar, Assam, India
A. K. Md. Fujail -
A. K. Barbhuiya - Department of Civil Engineering, National Institute of Technology, Silchar Assam, India

چکیده مقاله:

Local scour around bridge abutment is a common problem encountered worldwide. Much experimentation has been carried out in this field and the equations derived so far are applicable to particular circumstances only. In this paper, Artificial Neural Network (ANN) approach has been applied to the problem of scour around semicircular bridge abutments. Multilayer Perceptron (MLP) with single hidden layer and Radial Basis Function (RBF) network have been trained with the experimental data from literature and an appropriate model of each of the network is identified. The performance of the developed models has been evaluated using Root Mean Square Error (RMSE) and Correlation Coefficient (CC). A sensitivity analysis of input parameter has been carried out. The accuracy of the trained model has been evaluated against some of the empirical models available in the literature. Experimental results show the suitability and reliability of application of ANN for scour depth prediction around bridge abutments

کلیدواژه‌ها:

ANN, MLP, RBF, Scour

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-SASTECH06-SASTECH06_072.html
کد COI مقاله: SASTECH06_072

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:
Begum, S. A.; A. K. Md. Fujail & A. K. Barbhuiya, ۱۳۹۱, Artificial Neural Network to Predict Equilibrium Local Scour Depth around Semicircular Bridge Abutments, ششمین کنفرانس بین المللی پیشرفتهای علوم و تکنولوژی, مشهد, موسسه آموزش عالی خاوران, https://www.civilica.com/Paper-SASTECH06-SASTECH06_072.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: (Begum, S. A.; A. K. Md. Fujail & A. K. Barbhuiya, ۱۳۹۱)
برای بار دوم به بعد: (Begum; Md. Fujail & Barbhuiya, ۱۳۹۱)
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 :

  • Agarwal, R. D. Sing, Mishra, S. K., Bhunya, P. K., ...
  • Azamathulla, H. M., Deo, M. C., Deolalikar, P. B., (2008). ...
  • Dey, S., Barbhuiya, A. K., (2005). Time Variation of Scour ...
  • Froehlich, D. C., (1989). Local SCOur at bridge abutments. Proc. ...
  • Fujail, A. K. Md., Begum, S. A., Barbhuiya, A. K., ...
  • Hassoun, M. H., (2002). Fundamentas of Artificial Neural Network, Prentice-Hal ...
  • Kambekar, A. R., Deo, M. C., (2003). Estimation of group ...
  • Kandasamy, J. K., Melville, B. W., (1998). Maximum local scour ...
  • s"ssrec» 2012, Malaysia, Kuala Lumpur. 24-25 March, 2012. Organized by ...
  • Kil, R. M., (1993). "Function Appro ximation Based On a ...
  • Kim, E. H., Hyun, K. H., Kwak, Y. K., (2005). ...
  • Lee, T. L., Jeng, D. S., Zhang, G. H., Hong, ...
  • Liriano, S. L, Day, R. A., (2001). Prediction of scour ...
  • Nagy, H. M., Watanabe, K., Hirano, M., (2002). Prediction of ...
  • Richardson, E. V, Harrison, L. J., Richardson, J. R., Davies, ...
  • Soliman, M., (2007). Artificial neural network prediction of maximum scour ...
  • 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.

    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.