پیش بینی عمق آب شستگی اطراف پایه پل با استفاده از ماشین های بردار پشتیبان

Authors

سمانه غضنفری هاشمی

امیر اعتماد شهیدی

abstract

چکیده- آب شستگی یکی از مهم ترین عوامل خرابی پل ها است. بنابر این، تخمین عمق آب شستگی پای پل ها اهمیت زیادی برخوردار دارد. تاکنون فرمول ها و روابط تجربی زیادی برای تخمین عمق چاله آب شستگی ارائه شده است؛ اما این روابط از دقت مناسبی برخوردار نیستند. علاوه بر این، پیچیدگی مدل سازی فرایند آب شستگی سبب شده است تا از روش های جایگزین روابط تجربی، مانند روش های داده کاوی برای تخمین عمق آبشستگی پای پل ها استفاده شود. پیش از این، از شبکه های عصبی مصنوعی به عنوان شناخته شدهترین روش دادهکاوی، برای تخمین عمق آبشستگی پایه پل ها استفاده شده اما تاکنون عملکرد روش داده کاوی ماشین های بردار پشتیبان در این زمینه مورد بررسی قرار نگرفته است. در تحقیق حاضر، عملکرد روش ماشین های بردار پشتیبان در تخمین عمق چاله آبشستگی اطراف پایه پل بررسی شده و نتایج حاصل با نتایج حاصل از روش شبکههای عصبی مصنوعی و روابط تجربی مقایسه شده است. بررسیها نشان داده است که نتایج حاصل از روش ماشین های بردار پشتیبان دقت بالاتری نسبت به روش شبکه های عصبی مصنوعی برخوردار است. همچنین دقت روش شبکه های عصبی مصنوعی و ماشین های بردار پشتیبان به مراتب بهتر از روابط تجربی است که این خود نشان دهنده عملکرد مناسب تر روش های داده کاوی به کاررفته نسبت به روابط تجربی است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی عمق آب شستگی اطراف پایه پل با استفاده از ماشین های بردار پشتیبان

چکیده- آب شستگی یکی از مهم ترین عوامل خرابی پل ها است. بنابر این، تخمین عمق آب شستگی پای پل ها اهمیت زیادی برخوردار دارد. تاکنون فرمول ها و روابط تجربی زیادی برای تخمین عمق چاله آب شستگی ارائه شده است؛ اما این روابط از دقت مناسبی برخوردار نیستند. علاوه بر این، پیچیدگی مدل سازی فرایند آب شستگی سبب شده است تا از روش های جایگزین روابط تجربی، مانند روش های داده کاوی برای تخمین عمق آبشستگی پای پل ها...

full text

پیش بینی عمق آبشستگی اطراف پایه پل با استفاده از ماشین های بردار پشتیبان

در این مقاله از 221 داده آزمایشگاهی که توسط محققین مختلف گردآوری شده است استفاده می شود.این داده ها در حالت با بعد و بدون بعد توسط ماشین بردار پشتیبان , شبکه های عصبی, سیستم استنتاج فازی عصبی تحلیل و بررسی می شوند که هدف آن نشان دادن روش کاشین بردار پشتیبان نسبت به سایر الگوریتم ها و همچنین روابط تجربی می باشد. و در نهایت به آنالیز حساسیت داده ها توسط این روش پرداخته که در حالت با بعد به عرض پا...

کنترل آب شستگی در اطراف پایه های پل

آب شستگی در اطراف پایه های پل همه ساله خسارات زیادی به پلها در سراسر جهان وارد میسازد و از این رو مطالعه بر روی کاهش میزان آب شستگی حائز اهمیت است. در این مطالعات نصب یک طوق بر روی پایه هائی با مقطع مستطیل به عنوان یک روش ساده و ارزان برای کاهش عمق آب شستگی مورد آزمایش قرار گرفته است. نتایج بدست آمده از این آزمایشها نشان دادند که نصب یک نیم طوق با پهنای نصف عرض پایه در 10 درصد عمق آب زیر بستر ت...

full text

پیش بینی ژن‏ های بیماری با استفاده از دسته‏ بند تک‌کلاسی ماشین بردار پشتیبان

Abstract: In disease gene identification and classification, users are only interested in classifying one specific class, disease genes, without considering other classes (non-disease genes). This situation is referred to as one-class classification. Existing machine learning-based methods typically use known disease gene as positive training set and unknown genes as negative training set to bu...

full text

بـررسی اثر استفاده از کابل در اطراف پایه های اسکله جهت کاهش عمق آب شستگی

از جمله روش‌های کنترل آب­شستگی در اطراف پایه‌های اسکله، استفاده از کابل  در اطراف آن می‌باشد. در این مطالعه به منظور بررسی اثر کابل در کنترل آب­شستگی در اطراف گروه پایه‌های اسکله، آزمایش‌هایی در یک فلوم آزمایشگاهی از جنس پلاکسی­گلاس انجام گرفت. در این تحقیق با قرار دادن یک پایه عمودی به همراه کابل به دور آن­ها در دو حالت با وجود کابل و بدون نصب کابل در اطراف آن­ها اقدام به انجام یک­سری ...

full text

My Resources

Save resource for easier access later


Journal title:
مهندسی عمران مدرس

Publisher: دانشگاه تربیت مدرس

ISSN

volume 12

issue 2 2012

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023