پیش‌بینی حداکثر عمق چاله آبشستگی اطراف گروه پایه کج با استفاده از سیستم استنتاج فازی-عصبی تطبیقی بهینه‌شده با الگوریتم ژنتیک

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 عضو هیات علمی گروه مهندسی آب دانشگاه گیلان، سازه های هیدرولیکی/مهندسی رودخانه

2 دانشگاه گیلان

3 عضو 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


عنوان مقاله [English]

Prediction of scour depth around inclined bridge Piers group using optimized ANFIS system parameters with GA

نویسنده [English]

  • mahdi esmaeili 1
چکیده [English]

The main cause of collapse of bridges is scour around bridge piers. Therefore, knowledge about the effective parameters and estimation of maximum scour depth has an important rule on the safe design of bridges in rivers. The aim of this research is evaluation of optimized ANFIS parameters with GA on prediction of maximum scour depth and comparison with all FIS generator of Matlab Toolbox ANFIS. 48 set of experimental data of scour around incline bridge piers were used. To comparison of performance of results, R2 and RMSE were utilized. Analysis of results showed that GENFIS1 generator of ANFIS toolbox in Matlab had the best performance, which could predict maximum scour with R2 and RMSE, 0.976 and 0.053, respectively. Comparison of predicted scour depths indicated that optimization of ANFIS parameters had better prediction of desired parameters with R2 and RMSE, 0.992 and 0.02537 in comparison of ANFIS toolbox in Matlab software.

کلیدواژه‌ها [English]

  • Scour depth
  • Inclined Pier Group
  • ANFIS
  • Genetic Algorithm
  • Optimization