| بررسی عمق آبشستگی خطوط لوله عبوری از رودخانه با هوش مصنوعی با روش SVM |
| کد مقاله : 1108-IHA |
| نویسندگان |
|
توحید امیدپور علویان *1، آرش فرجی2، مهدی ماجدی اصل3 1داشنجو دکترا، مهندسی عمران - آب وسازه های هیدرولیک، دانشگاه مراغه، مراغه، ایران 2دانشجوی کارشناسی ارشد 3دانشیار دانشگاه مراغه |
| چکیده مقاله |
| شود. توسعه آبشستگی میتواند باعث بروز آسیبهای ناشی از شکست لوله، اختلال در فرآیند بهرهبرداری، افزایش هزینههای بازسازی و همچنین خسارات زیستمحیطی گردد. در این پژوهش، کارایی روش ماشین بردار پشتیبان (SVM) در پیشبینی عمق آبشستگی با استفاده از 36 مجموعه داده آزمایشگاهی ارزیابی شده است. پارامترهای هندسی و هیدرولیکی مورد بررسی شامل (〖ds〗_max/D e/D.y/D.Fr.L/D)میباشد. نتایج حاصل از مدلسازی با هوشمصنوعی نشان داد که ترکیب پارامترهای مذکور در مرحله آموزش و آزمون با استفاده از شاخصهای ارزیابی به ترتیب برابر با)9724/0(DC=،)0519/0(RMSE=،)9814/0(R2=، )8322/0(DC=،)1819/0(RMSE=،)8350/0(R2= میباشند. نتایج نسبت به سایر ترکیبها بهینهترین خروجی را به دست آورده و دقت بالای روش SVM را در پیشبینی عمق آبشستگی تأیید میکند. همچنین، نتایج تحلیل حساسیت نشان داد که پارامتر (e/D) تأثیرگذارترین عامل در تعیین عمق آبشستگی نسبت به سایر پارامترها است. C=،)1819/0(RMSE=،)8350/0(R2= میباشند. نتایج نسبت به سایر ترکیبها بهینهترین خروجی را به دست آورده و دقت بالای روش SVM را در پیشبینی عمق آبشستگی تأیید میکند. همچنین، نتایج تحلیل حساسیت نشان داد که پارامتر (e/D) تأثیرگذارترین عامل در تعیین عمق آبشستگی نسبت به سایر پارامترها است. |
| کلیدواژه ها |
| آبشستگی، آنالیز حساسیت، خطوط لوله، ماشین بردار پشتیبان (SVM) |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |
