بررسی دقت و کاربرد روش دسته بندی گروهی داده ها (GMDH) در پیش بینی عمق آبشستگی پایه پل قرار گرفته بر روی خاک چسپنده و غیر چسپنده
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 728
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICSAU02_0457
تاریخ نمایه سازی: 16 خرداد 1394
چکیده مقاله:
در مطالعه حاضر کاربرد و دقت مدل GMDH برای تخمین عمق آبشستگی اطراف پایه پل در خاکهای چسپنده و غیر چسپنده و همچنین دقت این مدل در دو حالت آموزش با الگوریتم انتشار بازگشتی و برنامه ژنتیکی مقایسه و برررسی شد . نتایج مدل یاد شده برای تخمین عمق آبشستگی پایه پل قرار گرفته بر روی خاک بستر غیر چسپنده در مرحله ارزیابی در حالت کلی برابر با 0/983=R^2 و RMSE = 0.0698 و MAPE = 0.33 بدست آمد. در حالتی که پایه پل بر روی بستر با خاک چسپنده قرار دارد تخمین آبشستگی دارای پیچیدگی بیشتری است و تعداد محققین کمتری در این زمینه فعالیت داشته اند. حال با بررسی به عمل آمده و آنالیز حساسیت این نتیجه حاصل شده است که درصد رس موجود در خاک بستر تاثیر بیشتری نسبت به عامل های دیگر بر عمق آبشستگی دارد عدد فرود جریان دارای تاثیرکمتری نسبت به فاکتور های دیگر دارد. .با این حال از آنالیز حساسیت انجام گرفته بر روی مدل فوق استفاده شده برای تخمین عمق آبشستگی اطراف پایه پل قرار گرفته بر روی بستر با خاک غیر چسپنده مشخص شد که عدد کیولگان کارپنتر دارای تاثیر بیشتری روی عمق آبشستگی است. مدل GMDH در تخمین عمق آبشستگی اطراف پایه پل قرار گرفته بر روی بستر با این نوع خاک از دقت بالاتری برخوردار است. و از مقایسه مدل دسته بندی گروهی داده های توسعه یافته به وسیله برنامه ژنتیکی (GMDH – GP) و GMDH آموزش دیده به وسیله الگوریتم انتشار بازگشتی (GMDH-BP) این نتیجه حاصل شد که GMDH – GP در دو مرحله آموزش و ارزیابی از دقت بالاتری برخوردار است.
نویسندگان
ابوالفضل رفعت
دانشجوی کارشناسی ارشد سازه های هیدرولیکی دانشگاه صنعتی سیرجان
غلامعباس بارانی
استاد بخش مهندسی عمران دانشگاه شهید باهنر کرمان
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 :