آمار
| تعداد نشریات | 44 |
| تعداد شماره‌ها | 1,303 |
| تعداد مقالات | 16,020 |
| تعداد مشاهده مقاله | 52,485,428 |
| تعداد دریافت فایل اصل مقاله | 15,213,019 |
ارزیابی عملکرد سیستم‌های هوش مصنوعی برای شبیه‌سازی آبشستگی پایه‌های پل در خاک‌های چسبنده | ||
| دانش آب و خاک | ||
| مقاله 13، دوره 23، شماره 3، آبان 1392، صفحه 169-182 اصل مقاله (312.87 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| کیومرث روشنگر* ؛ بهزاد روح پرور | ||
| چکیده | ||
| آبشستگی اطراف پایه‌های پل به عنوان یکی از مهمترین و مؤثرترین عوامل تخریب پل‌ها، در واقع نوعی فرسایش در اطراف پایه‌ها می‌باشد که در اثر جریان‌های پیچیده گردابی رخ داده و به صورت کلی باعث ایجاد یک گودال در اطراف پایه‌های پل می‌شود. تاکنون تحقیقات آزمایشگاهی و صحرایی که در این خصوص انجام شده منجربه ارائه روابط متعدد برای تخمین عمق آبشستگی شده است ولی روابط موجود به نتایج جامع و قابل قبولی منجر نشده است. در این تحقیق به کمک داده‌های آزمایشگاهی انجام شده در مورد پایه استوانه‌ای و بستر با خاک چسبنده از قابلیت سیستم‌های هوش مصنوعی در شبیه‌سازی میزان عمق آبشستگی پایه‌های پل استفاده شده است. بدین منظور با استفاده از شبکه‌های عصبی FFNN، RBF، GRNN و شبکه فازی- عصبی ANFIS برای هر دو حالت داده‌های بابعد و بی‌بعد، عمق آبشستگی محاسبه شده و با انجام آنالیز حساسیت به بررسی تأثیر پارامترها در عمق آبشستگی پرداخته شده است. نتیجه حاصله حاکی از این است که مدل ANFIS با وجود کارایی بهتر نسبت به شبکه‌های GRNN و RBF دارای عملکرد ضعیف‌تری در مقایسه با شبکه FFNN است. | ||
| کلیدواژه‌ها | ||
| آبشستگی؛ خاک‌های چسبنده؛ ANFIS؛ FFNN؛ GRNN؛ RBF | ||
|
آمار تعداد مشاهده مقاله: 3,098 تعداد دریافت فایل اصل مقاله: 1,869 |
||