5 SID.ir | يادداشت تحقيقاتي: استفاده از الگوريتم ژنتيکي و شبکه عصبي مصنوعي براي بهينه سازي مقاطع سدهاي وزني بتني

مشخصات مقاله

عنوان نشریه: 
 
عنوان مقاله: 

يادداشت تحقيقاتي: استفاده از الگوريتم ژنتيکي و شبکه عصبي مصنوعي براي بهينه سازي مقاطع سدهاي وزني بتني

 
نویسندگان: 
 
آدرس:  
* دانشکده فني مهندسي، دانشگاه تربيت مدرس
 
چکیده: 

مقطع سد، علاوه بر ارضاي شرايط پايداري، بايد مقرون به صرفه نيز باشد. در سدهاي مخزني و انحرافي، چنانچه طول قاعده مقطع سد حداقل شود، حجم بتن ريزي براي يک متر پهنا حداقل خواهد شد و اين موضوع به اقتصادي بودن طرح کمک شاياني خواهد کرد. از اين رو مساله طراحي مقطع سد، يک مساله بهينه سازي مقيد است که قيود آن ارضاي شرايط پايداري شامل: پايداري در برابر لغزش و واژگوني و همچنين تنش يا خستگي قائم در سطح بدنه سد خواهد بود. در اين مقاله با ارايه روشي هوشمند مبتني بر الگوريتم ژنتيکي و با در نظر گرفتن تمامي نيروهاي وارد بر سد شامل: نيروي زلزله در بدنه و مخزن سد، نيروي بالابرنده و نيز نيروي ناشي از وزن و فشار آب سعي شده است با استفاده از مفاهيم رقابت و انتخاب اصلح، الگوريتم مناسبي براي جستجو در فضاي پاسخ ارايه شود که با استفاده از آن، شيب هاي بالادست سد و همچنين طول قاعده آن به نحوي بهينه مي شود که هم شرايط پايداري محقق شود و هم حجم بتن ريزي از نظر اقتصادي بهينه باشد. از آنجا که مقدار بهينه شيب و طول قاعده سد، تابعي غيرخطي از ضريب زمين لرزه و ارتفاع سد است، بنابراين لزوم استفاده از روش هايي که مستقل از مدل، به درون يابي روابط ذاتي ميان داده ها بپردازد، احساس مي شود. در اين مقاله سعي شده است با استفاده از نتايج حاصل از به کارگيري الگوريتم ژنتيکي و تبيين ويژگي هاي شبکه هاي عصبي مصنوعي، شبکه اي از نوع تابع پايه شعاعي (RBF) همراه با قانون يادگيري انتشار خطاي سريع (QP) براي بازيابي نگاشت غيرخطي ميان الگوهاي مستقل داده ها و متغيرهاي وابسته طراحي شود تا به کمک آن، تخمين هوشمند مقطع بهينه سدهاي بتني وزني ميسر گردد. در اين مقاله با مقايسه نتايج حاصل از اين روش با روش هاي مرسوم، مزاياي روش جديد نيز مورد توجه قرار خواهد گرفت.

 
كلید واژه: 

 
موضوعات مرتبط: 
 
ارجاعات: 
  • ندارد
 
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 

  چکیده انگلیسی بازدید یکساله 331
 
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی