تخمین بیشترین عمق آبشستگی در اطراف پایه پل با استفاده از سیستم خود سازماندهی NF-GMDH بر مبنای الگوریتم بهینه سازی PSO

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 654

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCESDR02_044

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

پل های یک رودخانه سازه های استراتژیکی هستند، که در معرض تعداد زیادی از عوامل خطرناک هستند. این عوامل، پایداری پل را تحت تاثیر قرار می دهند و در نهایت منجر به خرابی پل می شوند. از جمله ی این عوامل می توان به، بارهای هیدرودینامیکی، آبشستگی بستر(کلی یا موضعی یا هر دو)، آبشستگی خاکریز، انباشت اجسام شناور و تاثیر کشتی، اشاره کرد. از بین عوامل مذکور، دلیل اصلی خرابی پل ها، آبشستگی در پایه ی پل است که یکی از اصلی ترین محرک های آبشستگی، انباشت موانع آب آورده در محل پایه های پل است. از این رو دولت ها نگران تعمیر سازه های آسیب دیده در طول سیلاب ها و همچنین حفاظت و نگهداری سازه ها قبل از وقوع سیلاب در آینده، هستند. در حال حاضر فقط تعداد محدودی دستورالعمل وجود دارد که بتوان مبنای شرایط بحرانی و ایمن، در هنگام وقوع سیلاب قرار داد. از این رو، نیاز به روش های پیشرفته پیش بینی هندسه ی انباشت موانع و عوامل موثر بر آبشستگی تحت اثر انباشت موانع در پایه های پل ، به منظور استفاده در طراحی، بهره برداری و نگهداری پل های یک بزرگراه، غیرقابل اجتناب می باشد. از این رو در این تحقیق تخمین حداکثر عمق آبشستگی پایه پل با استفاده از مدل پیشرفته NF-GMDH-PSO صورت گرفته است. همچنین در ادامه تحقیق، پیش بینی های حاصل از مدل با نتایج روابط تجربی مطالعات پیشین، مقایسه شده و عملکرد مناسب مدل توسعه یافته، نسبت به روابط تجربی پیشین، نشان داده شده است.

کلیدواژه ها:

نویسندگان

میثم علیزاده بابکیکی

دانشجوی کارشناسی ارشد، مهندسی و مدیریت منابع آب، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان

محمد نجف زاده

استادیار گروه مهندسی عمران، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان

عصمت راشدی

استادیار گروه مهندسی برق، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، 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 :
  • وزارت نیرو، " راهنمای روش‌های محاسبه آبشستگی موضعی."، نشریه شماره ...
  • نجف‌زاده، م. "بررسی آبشستگی در سازه‌های هیدرولیکی، با استفاده از ...
  • Melville, B.W., Chiew, Y.M, Time scale for local scour at ...
  • Lagasse, P.F., Zevenbergan, L.W. and Clopper, P.E., , Impacts of ...
  • Najafzadeh, M, Neuro-fuzzy GMDH based particle _ optimization for prediction ...
  • Bateni, S.M., and Jeng, D.S, Estimation of pile group using ...
  • Z Oun emat-Kerman , M., Beheshti, A.A., Ataie-Ashtiani, B., and ...
  • Etemad- Shahidi, A, Ghaemi, N, Model tree approach for prediction ...
  • Najafzadeh, M., Barani, G.A., and Hessami, M.R, Group method of ...
  • Madala, H.R., Ivakhnenko, A.G, Inductive learning algorithms for complex systems ...
  • Nagasaka, K., Ichihashi, and H., Leonard, R, Neuro-fuzzy GMDH and ...
  • Najafzadeh, M. and Azamathulla, H.M, Neuro-Fuzzy GMDH to Predict the ...
  • Najafzadeh, M. and Lim, S.Y, Application of improved neuro-fuzzy GMDH ...
  • Najafzadeh, M, Neuro-fuzzy GMDH systems based evolutionary algorithms to predict ...
  • Pagliara, S. and Carnacina, I, Influence of Wood Debris Accumulation ...
  • Sok, C., Park, J.H., and Kim, Y.D, Experimental Study on ...
  • Kennedy, J., and Eberhart, R.C, Particle _ optimization, Proceedings ofIEEE ...
  • نمایش کامل مراجع