آمار
| تعداد نشریات | 23 |
| تعداد شماره‌ها | 368 |
| تعداد مقالات | 2,890 |
| تعداد مشاهده مقاله | 2,566,186 |
| تعداد دریافت فایل اصل مقاله | 1,821,846 |
استفاده از ترکیب الگوریتم ژنتیک و شبکه عصبی مصنوعی جهت برآورد عمق آبشستگی اطراف پایه‌های پل | ||
| فناوری های پیشرفته در بهره وری آب | ||
| مقاله 1، دوره 2، شماره 3، مهر 1401، صفحه 1-14 اصل مقاله (1.57 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22126/atwe.2022.8416.1029 | ||
| نویسندگان | ||
| سعیده ناصری1؛ جواد ظهیری* 2؛ احمد جعفری3 | ||
| 1دانش‌آموخته کارشناسی ارشد سازه‌های آبی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ایران. | ||
| 2دانشیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ایران. | ||
| 3استادیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ایران. | ||
| چکیده | ||
| آبشستگی یک پدیده طبیعی است که در نتیجه عمل فرسایش دهنده جریان آب در آبراهه‌های آبرفتی رخ می‌دهد. این پدیده یک تهدید جدی برای پایداری سازه‌های واقع در مسیر جریان مانند پایه‌ی پل‌ها محسوب می‌شود. یکی از مهم‌ترین و مؤثرترین عوامل تخریب و شکست پل‌ها، آبشستگی اطراف پایه‌های پل و تکیه‌گاه‌ها می‌باشد. امروزه با پیشرفت علم و تکنولوژی، استفاده از سیستم‌های هوشمند کامپیوتری برای مدل‌سازی پدیده‌های پیچیده و غیرخطی از اهمیت روز افزونی برخوردار شده‌اند. در این تحقیق با استفاده از داده‌های واقعی، کارایی سیستم‌های هوش مصنوعی که شامل ترکیبی از شبکه عصبی پرسپترون چندلایه و الگوریتم ژنتیک بوده مورد بررسی قرار گرفته شده است. از میان مدل‌های با تعداد نرون‌های مخفی متفاوت، شبکه عصبی مصنوعی با سه نرون مخفی دارای کمترین خطا می‌باشد. مقایسه مقادیر نسبت اختلاف میان مدل عصبی-ژنتیک پیشنهادی و معادلات متداول موجود نشان می‌دهد که دقت مدل عصبی-ژنتیک از کارایی بالاتری در مقایسه با سایر معادلات برخوردار می‌باشد. جذر میانگین مربعات خطا در مدل پیشنهادی 51/0 محاسبه گردید در حالیکه این مقدار برای معادلات تجربی موجود بالای 89/0 محاسبه شد. | ||
| کلیدواژه‌ها | ||
| شکست پل؛ هوش مصنوعی؛ الگوریتم ژنتیک؛ شبکه عصبی پرسپترون چند لایه | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 170 تعداد دریافت فایل اصل مقاله: 202 |
||