تخمین بیشترین عمق آبشستگی در اطراف پایه‌ی پل تحت اثر انباشت موانع با استفاده از مدل NF-GMDH و الگوریتم های تکاملی

Authors

  • محمد محمودی راد دانش آموخته دکتری مهندسی عمران-سازه های هیدرولیکی، گروه مهندسی عمران دانشکده مهندسی دانشگاه شهید باهنر کرمان، ایران
  • محمد نجف زاده استادیار، گروه مهندسی آب، دانشکده مهندسی عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران
Abstract:

انباشت موانع شناور جریان رودخانه‌ها، نظیر تنه و شاخ و برگ درختان منجر به افزایش عمق آبشستگی موضعی در اطراف پایه‌های پل می‌شود. تاکنون جهت درک ساز‌و‌کار پدیده آبشستگی تحت اثر موانع شناور، مطالعات آزمایشگاهی و میدانی بسیاری انجام‌شده است. در دو دهه‌ی اخیر از انواع روش‌های هوش مصنوعی جهت تخمین بیش‌ترین عمق آبشستگی در اطراف پایه پل استفاده‌شده است. در این مطالعه از مدل فازی-عصبی مبتنی بر روش دسته‌بندی گروهی داده‌ها (NF-GMDH) جهت تخمین آب شستگی تحت اثر انباشت موانع استفاده شد. شبکه NF-GMDH با استفاده از الگوریتم‌های تکاملی شامل الگوریتم وراثتی (GA)، الگوریتم بهینه‌ساز ازدحام ذرات (PSO) و الگوریتم جستجوی گرانشی (GSA) توسعه داده شد. پارامترهای مؤثر بر حداکثر عمق آبشستگی به‌صورت سرعت متوسط جریان بالادست پایه پل، سرعت بحرانی رسوبات بستر رودخانه، عمق جریان در مقطع بدون حضور موانع، ضخامت مستغرق موانع، قطر موانع، اندازه متوسط ذرات، قطر پایه و عرض کانال در نظر گرفته شد. بعد از انجام مراحل آموزش و آزمایش هر مدل NF-GMDH، عملکرد آن‌ها با استفاده از شاخص‌های آماری ارزیابی شد. نتایج نشان داد که مدل‌های پیشنهادی دارای عملکرد بهتر نسبت به روابط تجربی است. همچنین دو مدل NF-GMDH-PSO (84/0=R و 37/ 0=RMSE) و NF-GMDH-GA (8407/0=R و 3640/0=RMSE) دارای عملکرد مشابه بودند. در نهایت آنالیز حساسیت نشان داد که نسبت بدون بعد قطر پایه (D) به‌اندازه متوسط ذرات (d50) بیشترین تأثیر را در تعیین پارامتر حداکثر عمق آبشستگی دارد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تخمین عمق آبشستگی پایه های پل با استفاده از روش های آماری و الگوریتم های هوشمند

تخمین دقیق عمق آبشستگی اطراف پایه­های پل در کارهای مهندسی حائز اهمیت می­باشد. به دلیل پیچیدگی این پدیده بسیاری از روابط موجود قادر نمی­باشند عمق آبشستگی را با دقت قابل قبولی پیش­بینی نمایند. در این تحقیق ابتدا 17 رابطه تخمین عمق آبشستگی با داده­های میدانی مقایسه شدند و رابطـه فروهلیچ 1991 به عنوان بهترین رابطه انتخاب گردید. سپس با استفاده از روش­های ترکیبی میانگین (c-sam)، رگرسیــون خطــی (c-re...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

کاربرد شبکه عصبی مصنوعی در تخمین عمق آبشستگی اطراف پایه پل در بستر با رسوبات چسبنده

بیشتر آسیب پل‌ها به دلیل آبشستگی اطراف پی‌های‌ آن در طول سیلاب هستند. بنابراین برای حداقل‌سازی احتمال خرابی، یک مدل بهبود یافته برای تخمین عمق آبشستگی اطراف آنها لازم است. به دلیل اینکه آبشستگی در پایه‌های پل یک تابع پیچیده از مشخصات مصالح کف، ویژگی‌های سیال، مشخصات جریان و هندسه‌ی پایه است، معادلات تجربی توانایی تخمین دقیق عمق آبشستگی را ندارند. در این تحقیق، روشی سودمند برای تخمین عمق آبشستگی...

full text

تخمین عمق آبشستگی پایه‌های پل با استفاده از روش‌های آماری و الگوریتم‌های هوشمند

تخمین دقیق عمق آبشستگی اطراف پایه­های پل در کارهای مهندسی حائز اهمیت می­باشد. به دلیل پیچیدگی این پدیده بسیاری از روابط موجود قادر نمی­باشند عمق آبشستگی را با دقت قابل قبولی پیش­بینی نمایند. در این تحقیق ابتدا 17 رابطه تخمین عمق آبشستگی با داده­های میدانی مقایسه شدند و رابطـه فروهلیچ 1991 به عنوان بهترین رابطه انتخاب گردید. سپس با استفاده از روش­های ترکیبی میانگین (C-SAM)، رگرسیــون خطــی (C-RE...

full text

بررسی کارآیی الگوریتم M5 در محاسبه حداکثر عمق چاله آبشستگی اطراف تکیهگاه پل

آبشستگی صورت گرفته در اطراف تکیهگاهها و پایهها پدیدهای است که منجر به تخریب تعداد زیادی از پلها گردیده است. در این تحقیق برای شبیهسازی حداکثر عمق چاله آبشستگی اطراف تکیه­گاه پل از الگوریتم درختی M5 استفاده شده است. از مزایای این الگوریتم دقت بالا، سادگی و قابل فهم بودن آن است. برای ساخت و آموزش مدل از اطلاعات آزمایشگاهی منابع معتبر استفاده شد. پارامترهای مورد استفاده برای برآورد عمق آبشستگی اطر...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 5  issue 3

pages  213- 225

publication date 2019-10-23

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023