آمار
| تعداد نشریات | 13 |
| تعداد شماره‌ها | 636 |
| تعداد مقالات | 6,653 |
| تعداد مشاهده مقاله | 9,072,963 |
| تعداد دریافت فایل اصل مقاله | 8,556,999 |
پیش‌بینی حداکثر عمق چاله آبشستگی اطراف گروه پایه کج با استفاده از سیستم استنتاج فازی-عصبی تطبیقی بهینه‌شده با الگوریتم ژنتیک | ||
| مجله پژوهش‌های حفاظت آب و خاک | ||
| مقاله 18، دوره 22، شماره 6، بهمن 1394، صفحه 283-294 اصل مقاله (769.05 K) | ||
| نوع مقاله: مقاله کامل علمی پژوهشی | ||
| نویسندگان | ||
| مهدی اسمعیلی ورکی* 1؛ اطهر کنعانی2؛ مریم نوابیان3؛ سید حامد اشرف تالش2 | ||
| 1عضو هیات علمی گروه مهندسی آب دانشگاه گیلان، سازه های هیدرولیکی/مهندسی رودخانه | ||
| 2دانشگاه گیلان | ||
| 3عضو هیات علمی گروه مهندسی آب دانشگاه گیلان | ||
| چکیده | ||
| هدف از تحقیق حاضر بررسی تاثیر بهینه‌سازی پارامترهای سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) با الگوریتم ژنتیک در پیش‌بینی حداکثر عمق آبشستگی اطراف گروه پایه کج و مقایسه آن با ANFIS جعبه‌ابزار نرم‌افزار Matlab و انواع مولدهای سیستم استنتاج فازی (FIS) در آن می‌باشد. برای این منظور داده‌های 48 سری آزمایش مربوط به گروه پایه کج مستقر بر روی فونداسیون برای شرایط هیدرولیکی و رقوم کارگذاری فونداسیون مختلف مورد استفاده قرار گرفت. به منظور مقایسه نتایج از آماره‌های ضریب تبیین (R2) و میانگین مجذور مربعات خطا (RMSE)، استفاده شد. نتایج نشان داد که مدل ANFIS با سیستم استنتاج فازی (FIS) از نوع GENFIS1 بهترین عملکرد را در میان انواع مولدهای مورد بررسی داشته و قادر است حداکثر عمق نسبی آبشستگی را با (R2) و (RMSE) به ترتیب برابر 976/0 و 053/0 پیش‌بینی نماید. ارزیابی نتایج حاکی از آن است که بهینه‌سازی پارامترهای ANFIS منجر به بهبود عملکرد آن در پیش‌بینی پارامتر مورد نظر شده و توانسته است حداکثر عمق نسبی آبشستگی را با R2، 992/0 و RMSE، 0254/0، پیش‌بینی نماید. | ||
| کلیدواژه‌ها | ||
| عمق آبشستگی؛ گروه پایه کج؛ ANFIS؛ الگوریتم ژنتیک؛ بهینه‌سازی | ||
|
آمار تعداد مشاهده مقاله: 19,298 تعداد دریافت فایل اصل مقاله: 1,604 |
||
سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب