پیش بینی مقطع هندسی آبراهه های پایدار با استفاده از روشهای یادگیری گروهی

چکیده مقاله

طراحی بهینه کانال های پایدار و درک چگونگی رفتار آنها در برابر تغییرات گوناگون جریان از مسائل مهم در علم مهندسی رودخانه به حساب می آید در مطالعه حاضر از روشهای یادگیری ماشین مبتنی بر یادگیری گروهی جهت پیش بینی عرض آبراهه براساس متغیرهای مستقل دبی جریان، قطر متوسط ذرات بستر و پارامتر شیلدز بهره گرفته شده است جهت یافتن بهترین ترکیب ممکن در میان متغیرهای ورودی چهار حالت مورد بررسی قرار گرفته و عملکرد مدل ها با استفاده از شاخص های آماری ارزیابی گردیده است در نهایت بهترین مدل برای ارزیابی عرض آبراهه انتخاب و به مقایسه نتایج مدل ها با نتایج حاصل از معادلات مرسوم پرداخته شده است همچنین اهمیت متغیرهای یادشده و میزان تاثیر هر یک بر پاسخ های مدل منتخب با به کارگیری هوش مصنوعی توصیف پذیر تعیین گردیده است نتایج پژوهش نشان داد مدل های یادگیری گروهی مورد استفاده، به ویژه جنگل تصادفی، عملکرد بهتری نسبت به معادلات تجربی مرسوم داشته و دبی جریان در میان متغیرهای مستقل یادشده اثر گذاری به مراتب بیشتری بر عرض آبراهه های آبرفتی دارد

کلیدواژه‌ها

نویسندگان

امیرحسین محمودی رحمانی

دانشجوی کارشناسی ارشد دانشکده مهندسی عمران دانشگاه علم و صنعت ایران، تهران، ایران

حسین افضلی مهر

استاد، دانشکده مهندسی عمران دانشگاه علم و صنعت ایران، تهران، ایران

مجید ایلچی قزا آن

استادیار دانشکده مهندسی عمران دانشگاه علم و صنعت ایران، تهران، ایران

محمودی رحمانی، امیرحسین و افضلی مهر، حسین و ایلچی قزا آن، مجید،1404،پیش بینی مقطع هندسی آبراهه های پایدار با استفاده از روشهای یادگیری گروهی،چهاردهمین کنگره بین المللی مهندسی عمران،تهران

ارائه‌شده در

مجموعه مقالات چهاردهمین کنگره بین المللی مهندسی عمران29 مهر 1404 · تهران