جستجو در:
دوره 25، شماره 2 - ( 1404 )
جلد 25 شماره 2 صفحات 84-67 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Jabari Khameneh A, Adjami M, Gharachelo S. Prediction of Coastal Berm Size and Location Changes in Non-Storm Conditions using ANN. MCEJ 2025; 25 (2) :67-84
URL: http://mcej.modares.ac.ir/article-16-74884-fa.html
URL: http://mcej.modares.ac.ir/article-16-74884-fa.html
جباری خامنه امیر، عجمی مهدی، قره‌چلو سعید. پیش بینی تغییرات اندازه و محل سکوی ساحلی در شرایط غیر طوفانی دریا به کمک الگوریتم شبکه عصبی. مهندسی عمران مدرس. 1404; 25 (2) :67-84
امیر جباری خامنه1 
، مهدی عجمی* 2، سعید قره‌چلو1
، مهدی عجمی* 2، سعید قره‌چلو1
1- دانشگاه صنعتی شاهرود
2- دانشگاه صنعتی شاهرود ،adjami@shahroodut.ac.ir
2- دانشگاه صنعتی شاهرود ،
چکیده: (1140 مشاهده)
فرسایش نواحی ساحلی از مهمترین عوامل مخرب این مناطق است که تحت تاثیر عوامل طبیعی و فعالیت های انسانی ایجاد میشود. این نواحی زیر مجموعه مناطق آسیب پذیر به شمار میآیند و بدین جهت نظارت و پایش مستمر آن ها اهمیت زیادی دارد. در این پژوهش ابتدا به کمک الگوریتم انتخاب ویژگی ها، دسته بندی پدیده های تاثیرگذار در ناحیه ساحلی نارابیین استرالیا در شرایط غیر طوفانی انجام شده است. در ادامه به کمک الگوریتم شبکه عصبی، پیش بینی توابع هدف شامل؛ تغییرات خط ساحل، تغییرات قائم و موقعیت افقی تاج سکوی ساحلی انجام گرفته است. در مرحله اول برای رسیدن به یک مدل مناسب، ابتدا حساسیت سنجی مدل برای رسیدن به بهترین هایپر پارامتر ها جهت پیشبینی تغییرات خط ساحل انجام گرفته است که نتایج حاصل از سناریو انتخابی، مقدار خطای RMSE را 03/3 متر و R2 را 92% نشان میدهد. سپس به کمک مدل نهایی بدست آمده در مرحله قبل؛ نتایج پیش بینی تغییرات ارتفاعی تاج سکوی ساحلی در سناریو منتخب، خطای RMSE را 35/0 متر و R2 را 75% نشان میدهد. همچنین نتایج حاصل از پیش بینی موقعیت افقی تاج سکوی ساحلی در سناریو منتخب، خطای RMSE را 28/9 متر و R2 را 80/85% نتیجه میدهد. جمع بندی نتایج نشان میدهد که دسته بندی پارامترهای بدست آمده از مدل انتخاب ویژگی کمک زیادی جهت دستیابی به نتایج قابل قبول در مدل شبکه عصبی نموده است و همچنین نتایج شبکه عصبی جهت پیشبینی مورفودینامیک ساحلی، مناسب و قابل اعتماد است.
واژه‌های کلیدی: سکوی ساحلی، تغییرات خط ساحل، مورفودینامیک ساحلی، شرایط غیر طوفانی، الگوریتم شبکه عصبی
نوع مقاله: پژوهشی اصیل (کامل) |
موضوع مقاله:
سازههای دریایی
دریافت: 1403/2/11 | پذیرش: 1403/4/20 | انتشار: 1404/4/10
دریافت: 1403/2/11 | پذیرش: 1403/4/20 | انتشار: 1404/4/10
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |