دانش آب و خاک، جلد ۳۰، شماره ۳، صفحات ۶۱-۷۴
عنوان فارسی مدل‌سازی عمق آبشستگی اطراف انواع تک پایه و گروه پایه‌های مایل
چکیده فارسی مقاله با توجه به اهمیت پدیده آبشستگی در طراحی پل­ها، امروزه برای بالا بردن دقت تخمین عمق آبشستگی از شبکه‌های عصبی مصنوعی بهره گرفته می­شود. در این تحقیق برای پیش ‌بینی عمق آبشستگی اطراف گروه پایه پل مایل از روشی نوین به نام ماشین بردار پشتیبان استفاده شده است که در این روش از پارامترهای آماری ، ، RMSE، برای ارزیابی کارایی مدل‌ها استفاده شده است. نتایج نشان داد، ترکیباتی که دارای هر دو نوع پارامترهای رسوبی و هیدرولیکی در مدل داده کاوی ماشین بردار پشتیبان‌ می‌باشد، نتیجه بهتری در پیش­بینی عمق آبشستگی ارائه می‌دهند. به طور نمونه، در حالت سه پایه، معیارهای ارزیابی مربوط به سناریو یک (پارامترهای هیدرولیکی)، 9914/0R2=، 9758/0DC= ، 0576/0 RMSE و برای سناریو دو (پارامترهای هیدرولیکی و رسوبی )، برابر9924/0R2=، 9803/0DC=، 0529/0RMSE= بدست آمده است که نشان می­دهد ماشین بردار پشتیبان برای سناریو دوم عملکرد بهتری از خود نشان داده است. در ادامه برای محاسبه عمق آبشستگی اطراف گروه پایه مایل، برای حالت‌های تک پایه، سه پایه و چهارپایه روابط غیر خطی ارائه شده است.
کلیدواژه‌های فارسی مقاله پارامترهای هیدرولیکی، شبکه عصبی مصنوعی، عمق آبشستگی، گروه‌پایه پل، ماشین بردار پشتیبان،
عنوان انگلیسی Modeling Scour Depth Around the Inclined Single and Group Piers
چکیده انگلیسی مقاله Considering the importance of scouring in the design of bridges, nowadays, to increase the accuracy of scour depth estimation, artificial neural networks are used. In this research, a model for estimating scour depth around the bridge pier group was used by a new method called support vector machine. In this method, the statistical parameters of RMSE, R2, DC, were used to evaluate the performance of the models. The results showed that using compounds of the sedimentary and hydraulic parameters in the support vector data model provided better results in estimation of scour depth. For example, in tripod mode, the assessment criteria values for the scenario 1 (hydraulic parameters), were R2 = 0.9914, DC = 0.9758 and RMSE= 0.0576, and for scenario two (hydraulic and sediment parameters), were to R2 = 0.9924, DC = 0.9803 and RMSE = 0.0529, which indicated better performance of the support vector machine in the second scenario. Finally, non-linear equations were presented for calculating the scour depth around the inclined Single and group piers.
کلیدواژه‌های انگلیسی مقاله پارامترهای هیدرولیکی, شبکه عصبی مصنوعی, عمق آبشستگی, گروه‌پایه پل, ماشین بردار پشتیبان
نویسندگان مقاله مهدی ماجدی‌اصل |
استادیار، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه مراغه

سعیده ولی‌زاده |
دانشجوی کارشناسی ارشد- گروه مهندسی عمران

فروغ اشکان |
مربی، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه مراغه

الناز حسن پور |
مدیر پروژه مهندسین کارلو، ارگن، آمریکا

نشانی اینترنتی https://water-soil.tabrizu.ac.ir/article_11148_590752ac27618a88b96546bd4fef4b82.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات