این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم و فناوری دریا، جلد ۲۷، شماره ۱۰۶، صفحات ۲۳-۳۰
عنوان فارسی طبقه‌بندی پارامترهای موثر در برخورد موج با موج‌شکن توده‌سنگی شیب‌دار با استفاده از ماشین بردار پشتیبان
چکیده فارسی مقاله یکی از عوامل تاثیرگذار در طراحی انواع موج‌شکن‌ها که از ناحیه دریا اعمال می‌شود،‌ اندرکنش بین موج و موج‌شکن در بنادر می‌باشد. عدم توجه به ویژگی‌‌های مختلف پارامترهای موج منجر به آسیب به موج‌شکن می‌شود. از آنجا که عدم نفوذ موج به عنوان شرط اصلی ایمن بودن حوضچه آرامش در نظر گرفته می‌شود، تعیین و پیش‌بینی پارامترهای اندرکنش موج با موج‌شکن بسیار مهم است. لذا در این مطالعه به طبقه‌بندی پارامترهای موثر موج با استفاده از مدلسازی و بهره‌گیری از ماشین یادگیری بردار پشتیبان پرداخته شده‌است. نتایج این تحقیق نشان می‌دهد که ماشین بردار پشتیبان عملکرد مناسبی در طبقه‌بندی اثرات موج بر روی موج‌شکن به دو دسته مطلوب و بحرانی دارد. همچنین از بین سه کرنل خطی، چندجمله‌ای و گوسی بررسی شده در این تحقیق، بهترین عملکرد را کرنل گوسی با 98 درصد دقت داشت.
کلیدواژه‌های فارسی مقاله مو‌ج‌شکن توده‌سنگی، ماشین بردار پشتیبان، طبقه‌بندی داده‌ها، کرنل گوسی،
عنوان انگلیسی Classification of the Effective Wave Parameters on the Wave-Breakwater Interaction using Support Vector Machine
چکیده انگلیسی مقاله One of the influential factors in the design of types of breakwaters that are applied from the sea is the interaction between waves and breakwaters in ports. Failure to pay attention to the different characteristics of wave parameters leads to damage to the breakwater. Since the lack of wave penetration is considered as the main condition for the safety of the port, it is very important to determine and predict the wave interaction parameters with the breakwater. Therefore, in this study, the effective parameters of the wave have been classified using modeling and support vector learning machine. The results of this research show that the support vector machine has a suitable performance in classifying the effects of waves on the breakwater into two categories, favorable and critical. Also, among the three linear, polynomial and Gaussian kernels examined in this research, Gaussian kernel had the best performance with 98% accuracy.
کلیدواژه‌های انگلیسی مقاله مو‌ج‌شکن توده‌سنگی, ماشین بردار پشتیبان, طبقه‌بندی داده‌ها, کرنل گوسی
نویسندگان مقاله هلیا ملائی نوده |
دانشجوی کارشناسی ارشد دانشکده مهندسی عمران، دانشگاه صنعتی نوشیروانی بابل

رضا دزواره رسنانی |
دانشیار دانشکده مهندسی عمران، دانشگاه صنعتی نوشیروانی بابل

مهدی یوسفی فرد |
استادیار دانشکده مهندسی عمران، دانشگاه صنعتی نوشیروانی بابل

نشانی اینترنتی http://navy.iranjournals.ir/article_247802_1ef15f838576f80b89d53de820c4848e.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