مقایسه کارایی ودقت روش های براورد بارسوب معلق دررودخانه ها

کلمات کلیدی :

بارمعلق رسوبی . منحنی سنجه رسوب . هوش مصنوعی . شبکه های عصبی

هفتمین كنفرانس مکانیک سنگ ایران (1396)

برای دانلود به ادامه مطلب بروید

بررسی روش های هوش مصنوعی در پیش بینی پایداری شیروانی ها

چکیده
از جمله مسائل پیچیده در مهندسی ژئوتکنیک می توان به تحلیل پایداری شیروانی ها اشاره نمود و علت پیچیدگی آن را می توان نامعین بودنپارامتر هایی دانست که پایداری شیب را تحت تاثیر قرار می دهند. از میان روش های مختلفی که تا کنون به منظور تحلیل پایداری شیروانی ارائهشده است روش های مرسوم تخمین فاکتور ضریب اطمینان از جایگاه ویژه ای نزد مهندسین ژئوتکنیک برخوردار است. این روش ها، تحلیلپایداری یک شیروانی را با محاسبه ضریب ایمنی توصیف مینمایند. ازآنجایکه این روش ها روابط فیزیکی بین پارامترهای تاثیرگزار بر مسئله رادر نظر می گیرند، براورد دقیقی از پایداری شیب را ارائه نمی دهند. در نظر گرفتن درجات نامعینی پارامترهای تاثیرگذار از مزایای عمده روش هایهوش مصنوعی بشمار می آید. استفاده از این روش ها به دلیل در نظر گرفتن درجات نامعینی برای پارامترهای نامعین تخمین دقیقتری را برای مسئلهدر پی خواهند داشت. چراکه مدلسازی به روش هوش مصنوعی رابطه ای بین یک تعداد داده از مجموعه پارامترهای ورودی و خروجی های متناظررا در نظر می گیرد. هدف از این پژوهش، مطالعه و بررسی نقاط ضعف و قوت روشهای مرسوم تخمین پایداری شیروانی و معرفی روش های هوش مصنوعی به منظور تخمین و پیش بینی دقیق تر فاکتور ضریب اطمینان و آنالیز پایداری شیروانی میباشد.

کلمات کلیدی:

هوش مصنوعی . پایداری شیروانی . ضریب اطمینان

دومین کنفرانس ملی مکانیک خاک و مهندسی پی  (1394)

برای دانلود به ادامه مطلب بروید

پیش بینی جریان روزانه رودخانه با استفاده از شبکه عصبی مصنوعی (مطالعه موردي: حوزه آبخیز کورکورسر نوشهر)

خلاصه
در سالهاي اخیر، استفاده از مدلهاي هوشمند مانند روشهاي هوش مصنوعی و محاسبات نرم، بهعنوان تکنیکهاي جدید و ابزارى توانمند درفرآیندهاى هیدرولوژیکی نظیر پیش بینى و زمینههایی که در آنها ارتباط بین ورودي و خروجی، غیرخطی بوده، افزایش یافته است. این روشهابهعنوان یک جعبه سیاه مناسب، کمتر به ابزار و دادههاي مدلهاي فیزیکى نیاز داشته و قادرند فرآیند جریان رودخانه را با دقت بالایی مدل سازىنمایند. هدف از این تحقیق، بررسی و پیش بینی جریان روزانه در رودخانه کورکورسر با استفاده از شبکه عصبی مصنوعی است و به این منظور، بااستفاده از ضرایب خود همبستگی و خود همبستگی جزئی، تعداد تأخیرهاي معنی دار تعیین و با توجه به آنها، دبی تا 6 روز تأخیر در ترکیبهاي0، مقدار ضریب کارایی ناش / برابر 01566 RMSE با مقدار MLP مختلف مدل بهعنوان ورودي لحاظ گردید. نتایج نشان میدهد که مدل0، با خطاي کم و همبستگی دقت وکارایی بالا میتواند دبی خروجی حوضه را مدل / 0 و ضریب همبستگی برابر 6809 / ساتکلیف برابر 45535دبی روز قبل، دبی دو ) Qt-1Qt-2Qt- سازي و پیش بینی کند. همچنین نتایج به دست آمده حاکی از آن است که بهترین پیش بینی با ترکیب 3 روز قبل و دبی سه روز قبل) انجام میشود.

کلمات کلیدي:

پیش بینی دبی . پرسپترون چندلایه . کرولوگرام . هوش مصنوعی . جعبه سیاه

دهمین کنگره ملی مهندسی عمران (1396)

مدلسازی شاخص های کیفی آب با استفاده از رگرسیون چندجمله ای تکاملی

خلاصه
رودخانهها از منابع مهم آب هستند که در مصارف مختلفی مثل شرب، کشاورزی و صنعت بکار برده میشوند. از این رو، ارزیابی کیفیت آب موردتوجه محققان بوده است. مطالعات زیادی در راستای ارزیابی کیفیت آب با استفاده از روشهای مختلف صورت گرفته است که در آنها پارامترهایمختلف، شاخصهای کیفیت آب راتشکیل داده اند. امروزه از روشهای هوش مصنوعی به منظور تخمین شاخصهای کیفیت آب استفاده میگردد.در این تحقیق، اکسیژن مورد نیاز بیولوژیکی ) BOD (، اکسیژن مورد نیاز شیمیایی ) COD (و اکسیژن محلول ) DO ( که به عنوان شاخصهای کیفیتآب انتخاب شدهاند، با استفاده از رگرسیون چندجملهای تکاملی ) EPR ( تخمین زده شدند. بدین ترتیب، برای مدلسازی شاخص های کیفیت آب ازدادههای رودخانه کارون شامل Ca2+ ، Na+ ، Mg2+ ، NO2− ، NO3− ، PO43− ، EC ، pH و Turbidity ا ستفاده شده است. نتایج حاصل از ارزیابی مدل پیشنهادی نشان داد که EPR از دقت مطلوبی در مدلسازی شاخص های کیفیت آب برخوردار میباشد.

کلمات کلیدی:

پارامترهای کیفی آب . رودخانه . هوش مصنوعی . رگرسیون چندجملهای تکاملی

دهمین کنگره ملی مهندسی عمران (1396)

ترسیم منحنی دانه بندي سنگدانه ها به کمک پردازش تصویر و هوش مصنوعی

خلاصه
با توجه به اهمیت و تاثیر اندازه و شکل سنگدانهها در مقاومت بتن در این تحقیق با استفاده از تصویر سنگدانهها و به کمک علم پردازش تصویر وفرآیند هوش مصنوعی، روشی جهت مشخص نمودن اندازه سنگدانهها ارائه شده است. به این منظور با استفاده از تصاویر اولیه که مرزهاي سنگدانههادر آنها مشخص شده در راستاي فرآیند هوش مصنوعی تابع آموزش تهیه و سپس از این تابع براي مشخص نمودن مرزها در تصاویر دیگر مورداستفاده قرار میگیرد. در نهایت اندازه سنگدانهها که پارامتر مهمی در مقاومت بتن میباشد مشخص میگردد. این روش نسبت به آزمایشهاي کارگاهی سریعتر و با توجه به حذف خطاهاي انسانی میتواند نتایج دقیقتري ارائه دهد.

کلمات کلیدي:

پردازش تصویر . هوش مصنوعی . دانهبندي مصالح

دهمین کنگره ملی مهندسی عمران (1396)

کاربرد ماشینهاي بردار پشتیبان در مدیریت تلفیقی منابع آبهاي سطحی و زیرزمینی

خلاصه
امروزه مدیریت جامع منابع آب، با تأکید بر بهرهبرداري مشتركیا تلفیقی از منابع آبهاي سطحی و زیرزمینی، در دستور کار کلیه سازمانهاي بهرهبرداري قرارگرفته است که در این نوع از بهرهبرداري ، نیازهاي آبی به وسیله دو منبع سطحی و زیر زمینی به طور توأم تأمین میشو ند. استفاده از مدلهاي شبیهسازي-بهینهسازي یکروش قدرتمند در مدیریت و طراحی بهینه از سیستم آبهاي سطحی و زیرزمینی محسوب میشود. اما در این میان، نیاز به روشهاي شبیه سازي با سرعتبالا و البته دقتمناسبکه به راحتی قابل تلفیق با مدلهاي بهینه سازي باشند، احساس میشود. در سالیان اخیر توجه برخی از محققین به روشهاي هوش مصنوعی و استفاده از آن براي شبیه سازي سیستم آب زیرزمینی معطوفشده است. در این مقاله عملکرد یکی از روشهاي قدرتمند هوش مصنوعی به نام ماشینهاي بردار پشتیبان در پیشبینی سطح آب زیرزمینی مورد بررسی قرار گرفته است. همچنین عملکرد ماشینهاي بردار پشتیبان در هنگام استفاده در مدلهاي بهرهبرداري تلفیقی مورد ارزیابی قرار گرفته است.

کلمات کلیدي:

بهرهبرداري تلفیقی، مدل شبیهسازي آبخوان، آب زیرزمینی، هوش مصنوعی، ماشینهاي بردار پشتیبان

نویسندگان :

بهزاد اسدیه ، عباس افشار

اولین کنفرانس ملی عمران و توسعه ایران (1390)