تخمین حداکثر عمق آبشستگی پایه پل به کمک سیستم استنتاج تطبیقی فازی- عصبی

thesis
abstract

پل ها از جمله مهم ترین و پرکاربردترین وسایل ارتباطی بوده، که در مواقع سیلاب اهمیت دو چندانی می یابند. به عنوان مثال در ایالات متحده بالغ بر 36000 پل یا در معرض آبشستگی و یا در محل وقوع آن قرار دارند. بنابراین طراحی دقیق و نگهداری از آن ها بسیار حائز اهمیت است. در این راستا طراحی دقیق نقش ویژه ای را ایفا می کند. به منظور تحقق این مهم می بایستی اطلاعات اولیه از صحت کافی و قابل قبولی برخوردار باشند، که در این بین عمق آبشستگی موضعی در بستر رودخانه بسیار مهم می باشد. بنابراین تخمین دقیق این عمق سبب افزایش طول عمر و کاهش هزینه های نگهداری آن می شود. در تحقیق حاضر جهت ارائه روشی سومند برای تخمین عمق آبشستگی از سیستم های هوشمند شبکه عصبی مصنوعی (ann) و سیستم استنتاج تطبیقی فازی- عصبی (anfis) بهره گرفته شده است. به منظور ارزیابی عملکرد روش های ذکر شده از داده های آزمایشگاهی در چهار حالت خام، نرمال شده، بی بعد و بی بعد نرمال شده استفاده شد. در ادامه پس از تعیین بهترین مدل، به کمک آنالیز حساسیت پارامترهای موثر در پدیده ی آبشستگی معرفی گردید. اما جهت تعمیم پذیر بودن و اطمینان از نتایج حاصل از این روش ها، از داده های صحرایی نیز استفاده گردید. تمامی مراحل ذکر شده برای داده های آزمایشگاهی برای این مجموعه نیز عملیاتی گردید. نتایج به دست آمده از این تحقیق نشان می دهد که تأثیر بی بعد سازی در بهبود عملکرد مدل ها نسبت به نرمال سازی بیشتر می-باشد. متوسط ضریب همبستگی به دست آمده به کمک مدل anfis به طور میانگین 1% بیشتر از مدل های ann بود. متوسط مقدار میانگین ریشه مربع خطاها برای مدل anfis نسبت به مدل های ann، 02/0 کمتر و میانگین مطلق خطا 04/0 بیشتر بود. شبکه عصبی بهترین عملکرد را در درک ارتباط بین پارامترهای ورودی داشته اما نهایتاً سیستم استنتاج تطبیق فازی- عصبی بود که به علت قابلیت تعمیم پذیری بیشتر و نوسان کمتر در نتایج حاصل، عملکرد بهتری را نشان داد. پس از انجام آنالیز حساسیت مدل anfis به ازای داده های نرمال شده و بی بعد نرمال شده مشخص گردید که به ترتیب پارامترهای سرعت جریان در بالادست پایه پل و قطر پایه پل در حالت نرمال شده و نسبت سرعت جریان به قطر پایه پل در حالت بی بعد نرمال شده از موثرترین عوامل در عمق آبشستگی پایه پل هستند. همچنین نسبت به عنوان پارامتر پیشنهادی در این تحقیق بعد از نسبت موثرترین عامل در عمق آبشستگی می باشد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

پیش‌بینی حداکثر عمق چاله آبشستگی اطراف گروه پایه کج با استفاده از سیستم استنتاج فازی-عصبی تطبیقی بهینه‌شده با الگوریتم ژنتیک

هدف از تحقیق حاضر بررسی تاثیر بهینه‌سازی پارامترهای سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) با الگوریتم ژنتیک در پیش‌بینی حداکثر عمق آبشستگی اطراف گروه پایه کج و مقایسه آن با ANFIS جعبه‌ابزار نرم‌افزار Matlab و انواع مولد‌های سیستم استنتاج فازی (FIS) در آن می‌باشد. برای این منظور داده‌های 48 سری آزمایش مربوط به گروه پایه کج مستقر بر روی فونداسیون برای شرایط هیدرولیکی و رقوم کارگذاری فونداسیون مخ...

full text

تخمین هوشمند حداکثر عمق آب‌شستگی اطراف آب‌شکن‌های L شکل با استفاده از شبکه‌های عصبی مصنوعی و سیستم استنتاج فازی- عصبی

از جمله مسایل مهم در طراحی آب‌شکن‌ها، پدیده آب‌شستگی موضعی دماغه آنها می‌باشد که به‌علت تنگ‌شدگی مقطع جریان و وجود گردابه‌های قوی به‌وجود می‌آید و یکی از شاخص‌های مهم در تعیین مشخصات حفره‌ی آب‌شستگی، حداکثرعمق آب‌شستگی می‌باشد. امروزه شبکه‌های عصبی کاربردهای بسیاری در مسایل مختلف مهندسی آب که رابطه و الگوی مشخصی بین عوامل مؤثر بر وقوع یک پدیده وجود ندارد، پیدا کرده است. بنابراین در این پژوهش از...

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 در محل پایه های پل به کمک تلفیق مدل های تجربی با مدل عددی FASTER

پل­ها از جمله مهمترین سازه های رودخانه­ای هستند. یکی ازمؤثرترین عوامل تخریب پل­ها، آبشستگی موضعی اطراف پایه پل می­باشد. همه ساله پل­های زیادی در سراسر جهان به دلیل در نظر نگرفتن نقش عوامل هیدرولیکی تخریب می­شوند. بر این اساس برای یک طراحی مطمئن، تخمین دقیق از عمق آبشستگی در اطراف پایه­های پل ضروری به نظر می­رسد. در این تحقیق، آبشستگی در محل پایه­های پل اعلاء  مورد بررسی قرار گرفت. پل فلزی اعلاء...

full text

تخمین ضریب اصطکاک در لوله‌ها با استفاده از سیستم تطبیقی استنتاج فازی- عصبی

تخمین ضریب اصطکاک در لوله‌ها در بسیاری از مسائل مهندسی آب و فاضلاب، مانند توزیع سرعت و تنش برشی، فرسایش، انتقال رسوب و افت هد، اهمیت ویژه‌ای دارد. در تحلیل این‌گونه مسائل با دانستن ضریب اصطکاک، می‌توان تخمین دقیق‌تری از آنها به‌دست آورد. در این تحقیق به‌منظور تخمین ضریب اصطکاک در لوله‌ها با استفاده از سیستم تطبیقی استنتاج فازی- عصبی، روش افراز شبکه‌ای مورد استفاده قرار گرفت. برای آموزش و تست مد...

full text

عملکرد سیستم های فرامدل در تخمین عمق آبشستگی پایه های پل در خاک های غیرچسبنده

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه سیستان و بلوچستان

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023