CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

بررسی قابلیت مدل ترکیبیPSO-ANFIS در پیش بینی عمق آبشستگی

عنوان مقاله: بررسی قابلیت مدل ترکیبیPSO-ANFIS در پیش بینی عمق آبشستگی
شناسه ملی مقاله: JR_JEWE-1-1_005
منتشر شده در شماره 1 دوره 1 فصل زمستان در سال 1394
مشخصات نویسندگان مقاله:

محمد همین جنتی - دانشجوی دکتری دانشکده مهندسی عمران دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران ایران
افشین اقبال زاده - استادیاردانشکده مهندسی عمران دانشگاه رازی اسلامی واحدعلوم و تحقیقات کرمانشاه ایران
سیدعباس حسینی - استادیاردانشکده مهندسی عمران دانشگاه رازی اسلامی واحدعلوم و تحقیقات کرمانشاه ایران

خلاصه مقاله:
در سالهای اخیر، فن های دادهکاوی و یادگیری ماشین در زمینه های مختلف برای ساخت سامانه های اطلاعاتی هوشمند توسعه یافته اند. بااین حال، تعداد کمی از روشهای ارایه شده توانایی پشتیبانی برخط را داشته و یا دارای انعطاف پذیری در آنالیز حجم زیادی از داده ها میباشند. در تحقیق حاضر، به منظور به دست آوردن تخمین های مناسب از پیش بینی عمق آبشستگی، در مدل تلفیقی شبکه عصبی و سیستم استنتاج فازی، از فن ازدحام ذرات (PSO) استفاده شد. آنالیزها با استفاده از 188 داده صحرایی عمق آبشستگی پایه منفرد که به وسیله سازمان حفاظت خاک آمریکا (USGS) ثبت گردیده، انجام شد. بهمنظور تسریع در یادگیری از طریق آموزش، برای افزایش دقت پیش بینی های کوتاه مدت از روش مومنتوم استفاده شد. نتایج نشان دادند که روش PSO-ANFIS با کمترین ریشه میانگین مربعات خطا (RMSE) نسبت به دیگر مدل های ارایه شده، دقت بیشتری دارد. ازاین رو، این روش با اطمینان بیشتری میتواند مورداستفاده طراحان و مهندسین قرار گیرد

کلمات کلیدی:
عمق آبشستگی، PSO-ANFIS، داده میدانی، پایه منفرد

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/752510/