• تخمین عمق آبشستگی موضعی پایه پل بوسیله هوش مصنوعی

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1390/01/01
    • تاریخ انتشار در تی پی بین: 1390/01/01
    • تعداد بازدید: 784
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    مکانیزم جریان اطراف پایه پل آن قدر پیچیده است که بدست آوردن یک رابطه تجربی کلی که بتواند تخمین درستی از عمق آبشستگی ارائه کند، بسیار مشکل می باشد. در این تحقیق با استفاده از قابلیت های هوش مصنوعی، دو شبکه عصبی مصنوعی پیش خور چند لایه (ffbp) و شعاع مبنا (rbf)، سیستم نروفازی (anfis)، سیستم برخورد گروهی با داده ها (gmdh) و یک شبکه تابع بنیادی شعاعی خودسازمانده فازی (fsorbf)، مدل هایی برای تخمین عمق آبشستگی موضعی توسعه داده شده است و نتایج آنها با داده های اندازه گیری شده واقعی، روابط تجربی و با یکدیگر مقایسه شده است. عمق آبشستگی تعادلی به شش پارامتر، میانگین قطرذرات، ضریب دانه بندی، قطر پایه، عمق جریان، سرعت متوسط جریان و سرعت بحرانی جریان وابسته می باشد. مدل های هوش مصنوعی با داده های با بعد آموزش بهتری نسب مدل های بدون بعد 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 anfis ,rbf  به ترتیب بهترین نتایج را در مرحله آموزش و ارزیابی داشته و همچنین شبکه های هوش مصنوعی در مقایسه با روابط تجربی دقت بیشتری داشته اند.

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
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها