تخمین عمق آبشستگی پایه های پل با استفاده از روش های آماری و الگوریتم های هوشمند
- سال انتشار: 1395
- محل انتشار: فصلنامه مهندسی عمران و محیط زیست دانشگاه تبریز، دوره: 46، شماره: 83
- کد COI اختصاصی: JR_CEEJ-46-83_001
- زبان مقاله: فارسی
- تعداد مشاهده: 398
نویسندگان
استادیار دانشکده کشاورزی، دانشگاه گنبد کاووس- نویسنده مسئول
استادیار دانشکده کشاورزی، دانشگاه گنبد کاووس
چکیده
تخمین دقیق عمق آبشستگی اطراف پایه های پل در کارهای مهندسی حائز اهمیت می باشد. به دلیل پیچیدگی این پدیده بسیاری از روابط موجود قادر نمی باشند. عمق آبشستگی را با دقت قابل قبولی پیش بینی نمایند. در این تحقیق ابتدا 17 رابطه تخمین عمق آبشستگی با داده های میدانی مقایسه شدند و رابطه فروهلیچ 1991 به عنوان بهترین رابطه انتخاب گردید. سپس با استفاده از روش های ترکیبی میانگین (C-SAM)، رگرسیون خطی (C-REG) و ماشین بردار پشتیبان (C-SVM) 5 رابطه تخمین عمق آبشستگی (شن، فروهلیچ، فروهلیچ اصلاح شده، بلنچ I و اینگلیس II) که دارای کمترین خطا بودند با یکدیگر ترکیب شدند. مقایسه در مرحله صحت سنجش نشان داد نتایج C-SAM به دلیل این که از میانگین روابط استفاده می نماید. تفاوتی با رابطه فروهلیچ ندارد، اما C-REG و به ویژه C-SVM توانسته اند نتایج را بهبود بخشند. C-SVM توانسته ضریب همبستگی و خطای RMSE رابطه فروهلیچ را به ترتیب از 0/59 به 0/85 و از 0/63 به 0/42 تغییر دهد. با استفاده از SVM عمق آبشستگی با استفاده از پارامترهای مؤثر بر آبشستگی (P-SVM) بررسی گردید. نتایج نشان دادند دقت P-SVM قابل قبول است. دقت P-SVM با ضریب همبستگی 0/77 و خطای 0/51RMSE بین دو روش C-REG و C-SVM قرار دارد. در این تحقیق نشان داده شد ترکیب روابط تجربی با استفاده از تکنیک SVM دارای بیشترین دقت و ترکیب پارامترهای مؤثر بر آبشستگی در رتبه دوم قرار دارد. همچنین نتایج این تحقیق نشان دادند SVM با استفاده از هوش مصنوعی می تواند پدیده آبشستگی را با دقت بیشتری نسبت به روابط تجربی شبیه سازی نماید.کلیدواژه ها
پایه پل، روش ترکیبی، عمق آبشستگی، SVMمقالات مرتبط جدید
- نقش کربن و اثرات دی اکسیدکربن بر آلودگی هوا و سلامت انسان
- اثرات مالچ پاشی در مقابله با بیابان زدایی و مرور سایر روش های اجرایی بیابان زدایی
- منابع و مسیرهای ورود میکروپلاستیک ها به محیط زیست
- چالشهای مدیران امور اراضی در مواجه با تخلفات تغییر کاربری و راهکارهای مقابله با آنها
- ارزیابی اثر زیست پالایی بر پسماندهای صنعتی
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.