مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

776
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

719
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی حداکثر عمق چاله آبشستگی اطراف گروه پایه کج با استفاده از سیستم استنتاج فازی-عصبی تطبیقی بهینه شده با الگوریتم ژنتیک (گزارش کوتاه علمی)

صفحات

 صفحه شروع 283 | صفحه پایان 294

چکیده

 سابقه و هدف: یکی از دلایل اصلی تخریب پل ها, آبشستگی پیرامون آن ها می باشد. از این رو شناخت عوامل تاثیرگذار و تخمین حداکثر عمق آبشستگی نقش مهمی در طراحی ایمن این نوع از سازه ها در رودخانه ها خواهد داشت. هدف از پژوهش حاضر بررسی تاثیر بهینه سازی پارامترهای سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) با الگوریتم ژنتیک در پیش بینی حداکثر عمق آبشستگی اطراف گروه پایه کج و مقایسه آن با ANFIS جعبه ابزار نرم افزار Matlab و انواع مولد های سیستم استنتاج فازی (FIS) در آن می باشد.مواد و روش ها: به منظور بررسی تاثیر بهینه سازی پارامترهای ANFIS با الگوریتم ژنتیک در پیش بینی حداکثر عمق آبشستگی اطراف گروه پایه کج, داده های 48 سری آزمایش مربوط به گروه پایه کج مستقر بر روی فونداسیون برای شرایط هیدرولیکی و رقوم کارگذاری فونداسیون مختلف مورد استفاده قرار گرفت. به منظور مقایسه نتایج از آماره های ضریب تبیین (R2) و میانگین مجذور مربعات خطا (RMSE) استفاده شد.یافته ها: نتایج نشان داد که مدل ANFIS با سیستم استنتاج فازی (FIS) از نوع GENFIS1 بهترین عملکرد را در میان انواع مولدهای مورد بررسی داشته و قادر است حداکثر عمق نسبی آبشستگی را با (R2) و (RMSE) به ترتیب برابر 0.976 و 0.053 پیش بینی نماید. ارزیابی نتایج بیانگر آن است که بهینه سازی پارامترهای ANFIS منجر به بهبود عملکرد آن در پیش بینی پارامتر مورد نظر شده و توانسته است حداکثر عمق نسبی آبشستگی را با R2, 0.992 و RMSE, 0.0254 پیش بینی نماید.نتیجه گیری: مقایسه نتایج نشان داد هر دو مدل ANFIS توانایی بالایی در پیش بینی پارامترهای مورد نظر دارند ولی, بهینه سازی پارامترهای ANFISمنجر به کاهش خطای مدل در پیش بینی حداکثر عمق آبشستگی از 0.053 به 0.0254 می گردد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    اسمعیلی ورکی، مهدی، کنعانی، اطهر، نوابیان، مریم، و اشرف، سیدحامد. (1394). پیش بینی حداکثر عمق چاله آبشستگی اطراف گروه پایه کج با استفاده از سیستم استنتاج فازی-عصبی تطبیقی بهینه شده با الگوریتم ژنتیک (گزارش کوتاه علمی). پژوهش های حفاظت آب و خاک (علوم کشاورزی و منابع طبیعی)، 22(6)، 283-294. SID. https://sid.ir/paper/156356/fa

    Vancouver: کپی

    اسمعیلی ورکی مهدی، کنعانی اطهر، نوابیان مریم، اشرف سیدحامد. پیش بینی حداکثر عمق چاله آبشستگی اطراف گروه پایه کج با استفاده از سیستم استنتاج فازی-عصبی تطبیقی بهینه شده با الگوریتم ژنتیک (گزارش کوتاه علمی). پژوهش های حفاظت آب و خاک (علوم کشاورزی و منابع طبیعی)[Internet]. 1394؛22(6):283-294. Available from: https://sid.ir/paper/156356/fa

    IEEE: کپی

    مهدی اسمعیلی ورکی، اطهر کنعانی، مریم نوابیان، و سیدحامد اشرف، “پیش بینی حداکثر عمق چاله آبشستگی اطراف گروه پایه کج با استفاده از سیستم استنتاج فازی-عصبی تطبیقی بهینه شده با الگوریتم ژنتیک (گزارش کوتاه علمی)،” پژوهش های حفاظت آب و خاک (علوم کشاورزی و منابع طبیعی)، vol. 22، no. 6، pp. 283–294، 1394، [Online]. Available: https://sid.ir/paper/156356/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button