• ارزیابی آبشستگی پایه پل ها با استفاده از شبکه عصبی هوشمند

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1393/11/01
    • تاریخ انتشار در تی پی بین: 1393/11/01
    • تعداد بازدید: 851
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    برای طراحی پل های با ضریب اطمینان بالا و به صورت اقتصادی، نیاز به برآورد دقیق ماکزیمم عمق آبشستگی اطراف پایه می باشد. برای تعیین عمق آبشستگی اطراف پایه های پل روابط متعددی بر مبنای داده های آزمایشگاهی ارائه شده است. در این تحقیق بوسیله شبکه  عصبی هوشمند دقت چهار رابطه تجربی تعیین عمق آبشستگی بررسی می گردد. داده های مورد استفاده مربوط به پل های منطقه نیوهمپشایر است. همچنین در این تحقیق از قابلیت های هوش مصنوعی، دو شبکه عصبی مصنوعی پیش رونده با الگوریتم پس انتشار خطا (ffbp) و الگوریتم تابع پایه شعاعی (rbf) جهت پیش بینی عمق آبشستگی اطراف پایه پل ها نیز استفاده شده است. در نهایت نتایج تمامی مدل ها استخراج و مقایسه می گردد. عمق آبشستگی تعادلی به شش پارامتر، میانگین قطر ذرات، ضریب دانه بندی، قطر پایه، عمق جریان، سرعت متوسط جریان و سرعت بحرانی جریان وابسته می باشد. ملاحظه گردید مدل های هوش مصنوعی با داده های با بعد، آمورش بهتری داشته اند و نتایج آنالیز حساسیت نشان می دهد که قطر پایه پل، حساسیت بیشتری در تخمین عمق آبشستگی نسبت به دیگر پارامترها داشته است. بر اساس نتایج، شبکه های rbf بهترین نتایج را در مرحله آموزش و ارزیابی داشته و همچنین شبکه های هوش مصنوعی در مقایسه با روابط تجربی دقت بیشتری داشته اند. هدف اصلی این تحقیق ارزیابی دقت روش های مبتنی بر  هوش مصنوعی، در مقایسه با روابط تجربی در شرایط استفاده از داده های یکسان برای تمامی مدل ها است.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم