مدلسازی تنش خاک در سدهای خاکی با روشهای هوش مصنوعی و تعیین ویژگیهای موثر | ||
| نشریه مهندسی عمران امیرکبیر | ||
| دوره 54، شماره 1، فروردین 1401، صفحه 247-262 اصل مقاله (2.01 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2021.18682.6925 | ||
| نویسندگان | ||
| حسین حکیمی خانسر؛ چواد پارسا* ؛ علی دلیر حسین زاده؛ جلال شیری | ||
| دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران. . | ||
| چکیده | ||
| هدف کلی این مقاله انتخاب ویژگیهای موثر و مدلسازی تنش خاک در سدهای خاکی در زمان ساخت با شبکه عصبی به کمک یک الگوریتم بهینهساز و در ادامه نتایج مدل هیبریدی با روشهای مرسومANFIS وGEP مقایسه شده است. پنج ویژگی شامل تراز خاکریزی، زمان ساخت سد، تراز مخزن (آبگیری)، سرعت آبگیری و سرعت خاکریزی به عنوان ورودیهای مدل هیبریدی انتخاب شده است. با اجرای الگوریتم هیبریدی و تحلیل حساسیت و روش انتخاب ویژگی، تراز خاکریزی و زمان ساخت سد، مؤثرترین ویژگیها در مدلسازی تنش کل در سلولهای منتخب بودند؛ زیرا ترکیب دوتایی شامل تراز خاکریزی و زمان ساخت در سلولهای TPC25.1 و TPC25.3 و TPC25.4 به ترتیب با مقادیر خطا (MSE) برابر 1/523، 2/747 و 0/750 موثرترین ویژگیها در این سلولها بودند. در سلول TPC25.2 انتخاب سه ویژگی تراز خاکریزی، زمان ساخت و تراز مخزن با توجه به مقدار خطای 5/245 بیشترین تأثیر را در مدلسازی تنش کل خاک در این سلول داراست. مقایسه بین مدل ANN با ANFIS و GEP نشان داد، هر چند که اختلاف در دقت مدلها بسیار ناچیز است، میتوان گفت هر سه مدل جواب قابل قبول و نزدیک به هم داشتهاند. همچنین نتایج نشان میدهد که هر چه پراکندگی دادههای ورودی مدل بیشتر باشد، مدل استنتاج عصبی- فازی تطبیقی دارای توانایی بیشتری در شبیهسازی نسبت به دو مدل ANN و GEP است، زیرا در سلول TPC25.4 مدل ANFIS در دوره آزمون با شاخصهای آماری ، RMSE ، MAEو NS به ترتیب برابر مقادیر 0/9955، 0/0227، 0/0185 و 0/9666 دارای عملکرد بهتری نسبت به دو مدل دیگر است. | ||
| کلیدواژهها | ||
| سد خاکی؛ الگوریتم هیبریدی PSO-ANN؛ انتخاب ویژگی؛ سیستم استنتاج عصبی- فازی تطبیقی؛ تنش قائم خاک | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,209 تعداد دریافت فایل اصل مقاله: 1,422 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 458 |
| تعداد مقالات | 5,785 |
| تعداد مشاهده مقاله | 8,518,681 |
| تعداد دریافت فایل اصل مقاله | 7,060,038 |