تخمین عمق آبشستگی موضعی پایه پل بوسیله هوش مصنوعی

  • سال انتشار: 1390
  • محل انتشار: ششمین کنگره ملی مهندسی عمران
  • کد COI اختصاصی: NCCE06_0580
  • زبان مقاله: فارسی
  • تعداد مشاهده: 1382
دانلود فایل این مقاله

نویسندگان

مجتبی رمضانی مقدم

دانشجوی کارشناسی ارشد سازه های هیدرولیکی دانشگاه شهید باهنر کرمان

مسعودرضا حسامی کرمانی

استادیار دانشکده عمران دانشگاه شهید باهنر کرمان

چکیده

مکانیزم جریان اطراف پایه پل آنقدر پیچیده است که بدست آوردن یک رابطه تجربی کلی که بتواند تخمین درستی از عمق آبشستگی ارائه کند بسیار مشکل میباشد. در این تحقیق با استفاده از قابلیتهای هوش مصنوعی، دو شبکه عصبی مصنوعی پیشخور چند لایهFFBP) و شعاع مبنا 2RBF)سیستم نروفازیANFIS) سیستم برخورد گروهی با داده هاGMDH) و یک شبکه تابع بنیادی شعاعی خودسازمانده فازیFSORBF) مدلهایی برای تخمین عمق آبشستگی موضعی توسعه داده شده است و نتایج آنها با دادههای اندازهگیری شده واقعی، روابط تجربی و با یکدیگر مقایسه شده است. عمق آبشستگی تعادلی به شش پارامتر، میانگین قطرذرات، ضریب دانه بندی، قطر پایه، عمق جریان، سرعت متوسط جریان و سرعت بحرانی جریان وابسته میباشد. مدلهای هوش مصنوعی با دادههای با بعد آموزش بهتری نسب مدلهای بدون بعد داشتهاند و نتایج آنالیز حساسیت نشان میدهد که قطر پایه پل، حساسیت بیشتری در تخمین عمق آبشستگی نسبت به دیگر پارامترها داشته است . براساس نتایج شبکههایANFIS و RBF به ترتیب بهترین نتایج را در مرحله آموزش و ارزیابی داشته و همچنین شبکههای هوش مصنوعی در مقایسه با روابط تجربی دقت بیشتری داشتهاند.

کلیدواژه ها

عمق آبشستگی، پایه پل،هوش مصنوعی، FFBP، RBF، ANFIS، GMDH،FSORBF

مقالات مرتبط جدید

اطلاعات بیشتر در مورد 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.