این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات منابع آب ایران، جلد ۱۴، شماره ۴، صفحات ۱۶۰-۱۶۹
عنوان فارسی ارزیابی و کاربرد مدل های ترکیبی هوش مصنوعی برای تخمین هد پیزومتریک سد خاکی
چکیده فارسی مقاله شکست سدهای خاکی از چالشهای بزرگ مهندسی عمران به شمار میرود که یکی از عمده ترین علل وقوع آن، تراوش کنترل نشده از هسته و پی سد میباشد. از این رو تحلیل تراوش، از مسائل بسیار مهم در طی مراحل طراحی، ساخت و بهره برداری از این نوع سدها است. در این راستا بررسی هد پیزومتریک یکی از اولین مراحل بررسی تراوش میباشد؛ در تحقیق حاضر هد پیزومتریک سد خاکی ستارخان با استفاده از مدلهای جعبه سیاه هوش مصنوعی و جعبه سیاه کلاسیک بر اساس 2 سناریو مورد بررسی قرار گرفته است. در هر سناریو ترکیب ورودیهای مختلفی برای شرایط متفاوت در نظر گرفته شده است. در ادامه برای بهبود عملکرد مدلسازی، روش ترکیب مدل با استفاده از خروجی مدلهای منفرد جعبه سیاه انجام گرفته است. روش ترکیب مدل با استفاده از 3 روش میانگین گیری خطی ساده، میانگین گیری خطی وزندار و ترکیب غیر خطی با استفاده از شبکه عصبی مصنوعی انجام گرفته است. نتایج حاکی از آن است که به کار گیری مدلهای ترکیبی و به ویژه مدل ترکیبی غیرخطی با شبکه عصبی مصنوعی باعث افزایش دقت مدلسازی تا 10% شده است. علاوه براین، با مقایسه نتایج دو سناریو، نتیجه گیری میشود که به کارگیری سناریو2 می تواند روشی موثر برای شرایطی همچون خرابی یا از کارافتادگی برخی از پیزومترها باشد.
کلیدواژه‌های فارسی مقاله تخمین هد پیزومتریک،مدلهای هوش مصنوعی،ترکیب مدل،سد خاکی ستارخان،
عنوان انگلیسی Evaluation and Application of Ensemble AI-based Models for Estimating Piezometric Heads of Earth Fill Dam
چکیده انگلیسی مقاله Failure of earth fill dams is a great challenge in Civil Engineering, in which one of the main causes is uncontrolled seepage through the core and foundation of the dam. Thus seepage analysis is one of the most important complications in design, construction and operation of this type of dams; in this way, inspecting the piezometric heads is the first step in seepage analysis. In the following paper, Sattarkhan earth fill dam piezometric heads have been analyzed via Artificial Intelligence (AI) models and a classic black box model, based on two scenarios. Each scenario has different input combinations for modeling of various conditions. To continue ensemble models have been formed via outputs of the single black box models to improve modeling performance. Three methods of model ensemble were considered, including simple linear averaging model, weighted linear averaging model and non-linear neural ensemble model. Results show that employing model ensemble and in particular non-linear ensemble by neural network, improve the modeling accuracy up to 10%. Moreover, by comparison the both scenarios, it is concluded that in case of a failure of a piezometer, employing scenario 2 can be an effective way.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله الناز شرقی |
گروه مهندسی عمران- آب، دانشکده عمران، دانشگاه تبریز، تبریز، ایران

وحید نورانی |
گروه مهندسی عمران-آب، دانشکده عمران، دانشگاه تبریز، تبریز، ایران

نازنین بهفر |
گروه مهندسی عمران-آب، دانشکده عمران، دانشگاه تبریز، تبریز، ایران

نشانی اینترنتی
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