آمار
| تعداد نشریات | 41 |
| تعداد شماره‌ها | 1,028 |
| تعداد مقالات | 12,553 |
| تعداد مشاهده مقاله | 13,752,288 |
| تعداد دریافت فایل اصل مقاله | 11,695,527 |
پیش‌بینی هدایت هیدرولیکی از روی اطلاعات دانه‌بندی خاک با استفاده از مدل هوشمند SICM | ||
| هیدروژئولوژی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 03 آذر 1400 | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
رامین وفایی پورسرخابی  1؛ محمد خلیلی ملکی2؛ عطاالله ندیری3؛ روزبه دبیری4
| ||
| 1گروه مهندسی عمران دانشگاه آزاد تبریز | ||
| 2گروه عمران دانشگاه آزاد تبریز | ||
| 3استاد گروه زمین شناسی دانشگاه تبریز | ||
| 4دانشگاه آزاد اسلامی واحد تبریز | ||
| چکیده | ||
| نفوذ‌پذیری یکی از پارامترهای مؤثر بر جریان آب در محیط‌های متخلخل مانند توده‌ی سنگ و خاک می‌باشد که اهمیت ویژه‌ای در مطالعات ژئوتکنیکی مانند محل اجرای سازه‌های مهم و پر اهمیتی مانند قطار شهری دارد. به دلیل گران، تخصصی، وقت‌گیر و غیر مطمئن بودن روش‌های اندازه‌گیری مستقیم (آزمایشگاهی و صحرایی) این پارامتر، روش‌های مختلف هوش مصنوعی برای جبران بخشی از این نقایص در سال‌های اخیر ارائه شده‌اند. در این مطالعه از دو روش هوش مصنوعی منفرد شامل ماشین بردار پشتیبان کمینه‌ی مربعات (LSSVM) و هیبرید موجکی عصبی (WANN) در خطوط 1 و 2 قطار شهری تبریز برای پیش‌بینی هدایت هیدرولیکی بر اساس اطلاعات دانه‌بندی استفاده شد؛ سپس نتایج این دو مدل انفرادی توسط شبکه‌ی عصبی مصنوعی (ANN) ترکیب شده و با نام مدل هوشمند مرکب نظارت شده (SICM) موجب بهبودی نتایج گردید. مقایسه‌ی نتایج مرحله‌ی آزمایش سه مدل ارائه شده در این پژوهش نشان داد که هر سه مدل ارائه شده در این پژوهش عملکرد نسبتاً مناسبی در پیش‌بینی هدایت هیدرولیکی داشتند؛ اما مدل ترکیبی SICM نسبت به مدل‌های انفرادی نتایج بهتری را ارائه داده است- - - - - - -- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - | ||
| کلیدواژه‌ها | ||
| قطار شهری تبریز؛ ماشین بردار پشتیبان؛ مدل هوشمند مرکب نظارت شده؛ هدایت هیدرولیکی؛ هیبرید موجکی عصبی | ||
|
آمار تعداد مشاهده مقاله: 100 |
||
