پديد آورنده :
كارخيران، سمانه
عنوان :
تخمين عمق آب شستگي پايه پل در جريان دائم و غير دائم و شرايط تسليح بستر با استفاده از سيستم عصبي- فازي تطبيقي و الگوريتم هاي بهينه سازي
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
عمران - آب
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده عمران
صفحه شمار :
شانزده، 97ص.: مصور، جدول، نمودار
يادداشت :
ص.ع. به فارسي و انگليسي
استاد راهنما :
عبدالرضا كبيري ساماني، مريم ذكري
استاد مشاور :
كيوان اصغري
توصيفگر ها :
جريان غيردائمي , بستر مسلح , آنفيس , شبكه عصبي
تاريخ نمايه سازي :
18/3/94
استاد داور :
احمدشانه ساز زاده، محمدنويد مقيم
تاريخ ورود اطلاعات :
1396/10/02
چكيده فارسي :
1 چكيده گستردگي روابط مربوط به آبشستگي پايهي پلها حاكي از عدم قطعيت آنها در تخمين حداكثر عمق آبشستگي در شرايط واقعي است اين عدم قطعيتها به دليل وجود پارامترهاي مؤثر مختلف بر پديدهي آبشستگي است كه در نظرگرفتن تأثير تمام پارامترهاي دخيل در يك رابطه مشكل بهنظر ميرسد از اين رو امروزه كاربرد محاسبات نرم نظير شبكهعصبي و سيستم عصبي فازي تطبيقي جايگاه ويژهاي در تخمين عمق آبشستگي پيدا كردهاست و مطالعات زيادي در اين زمينه انجام شدهاست البته اكثر مطالعات دادهمحور انجامشده در اين زمينه جريان را به صورت دائمي و شرايط بستر را به صورت تكلايه در نظر گرفتهاند حال آنكه طبق بررسيها رژيم غالب رودخانهها غيردائمياست از اينرو ملاحظات اقتصادي ايجاب ميكند كه در فرايند طراحي براي عمق آبشستگي غيردائمي بودن جريان درنظرگرفته شود از طرف ديگر مشاهدات نشان ميدهد كه بستر طبيعي رودخانهها تحت شرايطي ممكن است به صورت سپري درآيد و لذا بايستي در طراحيها هر دو شرايط مسلح و غيرمسلح لحاظ شوند در اين راستا در تحقيق حاضر در مطالعهاي جامعتر به برآورد عمق آبشستگي در جريان غيردائمي و شرايط بستر مسلح و غيرمسلح با استفاده از مدلهاي دادهمحور پرداخته ميشود مدلسازيها در اين تحقيق به دو دسته برآورد عمق آبشستگي در جريان دائمي با استفاده از دادههاي صحرايي پلهاي مناطق مختلف آمريكا و برآورد عمق آبشستگي در جريان غيردائمي و شرايط بستر مسلح و غيرمسلح با استفاده از سه مجموعه داده آزمايشگاهي تقسيم ميشود در اين تحقيق به منظور بهبود مدلسازيها پس از مدلسازي با كل مجموعه دادهها دادههاي پرت حذف شده سپس در مدلسازيهاي آبشستگي در جريان غيردائمي كه تعداد پارامترهاي ورودي زياد است با استفاده از روشهاي كاهش ابعاد تعداد پارامترها كاهش يافته و سپس بهمنظور بهينهسازي مدلها از الگوريتمهاي ژنتيك و ازدحام ذرات در آموزش مدلها استفاده شده است نتايج مدلسازيها در جريان دائمي حاكي از آن است كه مدل شبكهعصبي و آنفيس در مقايسه با روابط تجربي نتايج دقيقتري ارائه ميدهند در مدلسازيهاي جريان غيردائمي نيز نتايج حاكي از عملكرد مناسبتر مدلهاي شبكهعصبي و عصبي فازي تطبيقي در مقايسه با روابط تجربي است همچنين حذف دادههاي پرت و كاهش تعداد پارامترها باعث بهبود نتايج شبكهعصبي و آنفيس شده و استفاده از الگوريتم ژنتيك در آموزش وزنهاي شبكهعصبي نتايج را بهبود ميبخشد حال آنكه الگوريتم ازدحامذرات از دقت نتايج ميكاهد همچنين در بهينهسازي سيستم عصبي فازي تطبيقي هر دو الگوريتم عملكرد مناسبي ارائه ميدهند هرچند مدل بهينهشده توسط الگوريتم ازدحامذرات در آموزش سيستم موفقتر عمل ميكند كلمات كليدي آبشستگي جريان غيردائمي بستر مسلح آنفيس شبكهعصبي
چكيده انگليسي :
106 53 Ross T J Fuzzy logic with engineering application 2nd Edition John Wiley Sons Ltd South ern Gate 1995 54 Battiti R Using mutual information for selecting features in supervised neural net learning IEEE Transactions on Neural Networks Vol 5 No 4 pp 537 550 1994 55 منهاج م ب مباني شبكههاي عصبي هوش محاسباتي انتشارات 1377 دانشگاه صنعتي اميركبير 56 Kabiri Samani A R Aghaee Tarazjani J Borghei S M and Jeng D S Application of neu ral networks and fuzzy logic models to long shore sediment transport Soft Computing Vol 11 No 2 pp 2880 2887 2011 57 Jang J SR Sun Ch T and Mizutani E Neuro Fuzzy and soft computing a computational ap proach to learning and machine intelligence United States of American Prentice Hall Upper Saddle River 1997 58 Aliyari Shoorehdeli M Teshnehlab M and Sedigh A K Novel hybrid learning algorithms for tuning ANFIS parameters using adaptive weighted PSO IEEE Fuzzy Systems Conference 2007 flow براي حل مسئله زمانبندي گروهي PSO 95 حاجينژاد د الگوريتم پاياننامه كارشناسيارشد دانشكده رياضي دانشگاه shop 1387 صنعتياصفهان 60 http en wikipedia org w index php title Pearson product moment correlation coefficient Scouring Around the Bridges Piers under Steady and Unsteady Flow Con ditions and Armoring Effect Using Adaptive Neuro Fuzzy Inference Sys tem and Optimization Algorithms Samaneh Karkheyran s karkheyran@cv iut ac ir Date of Submission Jan 11 2015 Department of Civil Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language Farsi Supervisors Dr Abdorreza Kabiri Samani akabiri@cc iut ac ir Dr Maryam Zekri mzekri@cc iut ac ir Advisor Dr Keyvan Asghari kasghari@cc iut ac ir Abstract Several studies have been performed on flow characteristics to estimate the scouring depth around the bridge piers Due to the complication of the problem and variety of the hydraulic and geometric parameters affecting the scouring phenomena researchers have not developed a general theory Artificial neural network ANN and adaptive neuro fuzzy inference system ANFIS are alternatives to overcome these problems These approaches are effective tools to provide the hydraulic engineers precise estimation of the scouring depth around the bridge piers Although a large number of former studies have just focused on scouring around the bridge piers under steady flow condition and uniform graded bed materials even using ANN or ANFIS models lack of studies exists on scouring under unsteady flood flow condition as well as non uniform bed materials Generally river beds are composed mainly of non uniform materials While the motion of finer sediment particles initiates re sults in the protective effect of greater particles namely armoring effect on the bed surface thereby eliminating further erosion of the bed Furthermore in most of the rivers the flow regime is commonly unsteady During a flood the maximum scouring depth regarding to the peak of the flood hydrograph would be smaller than the equilibrium scouring depth which is commonly estimated using a constant flow discharge When the flow un steadiness is pronounced the difference between the maximum scouring depth and the equilibrium scouring depth is quite substantial and thus should be addressed
استاد راهنما :
عبدالرضا كبيري ساماني، مريم ذكري
استاد مشاور :
كيوان اصغري
استاد داور :
احمدشانه ساز زاده، محمدنويد مقيم
