این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
International Journal of Optimaization in Civil Engineering، جلد ۸، شماره ۱، صفحات ۱-۱۴
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی FEASIBILITY OF PSO-ANFIS-PSO AND GA-ANFIS-GA MODELS IN PREDICTION OF PEAK GROUND ACCELERATION
چکیده انگلیسی مقاله In the present study, two new hybrid approaches are proposed for predicting peak ground acceleration (PGA) parameter. The proposed approaches are based on the combinations of Adaptive Neuro-Fuzzy System (ANFIS) with Genetic Algorithm (GA), and with Particle Swarm Optimization (PSO). In these approaches, the PSO and GA algorithms are employed to enhance the accuracy of ANFIS model. To develop hybrid models, a comprehensive database from Pacific Earthquake Engineering Research Center (PEER) are used to train and test the proposed models. Earthquake magnitude, earthquake source to site distance, average shear-wave velocity, and faulting mechanisms are used as predictive parameters. The performances of developed hybrid models (PSO-ANFIS-PSO and GA-ANFIS-GA) are compared with the ANFIS model and also the most common soft computing approaches available in the literature. According to the obtained results, three developed models can be effectively used to predict the PGA parameter, but the comparison of models shows that the PSO-ANFIS–PSO model provides better results.
کلیدواژه‌های انگلیسی مقاله ANFIS, metaheuristics, PSO, GA, peak ground acceleration.
نویسندگان مقاله a کاوه | a. kaveh


سید محمد حمزه ضیابری | s m hamze ziabari


t بخشپوری | t. bakhshpoori


نشانی اینترنتی http://ijoce.iust.ac.ir/browse.php?a_code=A-10-66-163&slc_lang=en&sid=en
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/426/article-426-413564.pdf
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده Applications
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات