کاربرد روش تاگوچی در کاهش تعداد آزمایش ها و بهینه سازی پارامتر های شبکه عصبی مصنوعی (مطالعه موردی: پایداری سنگ چین در اطراف پایه پل)

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 191

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JHYDAN-16-4_005

تاریخ نمایه سازی: 24 اسفند 1400

چکیده مقاله:

در تحقیق حاضر از روش تاگوچی، که یکی از روش های طراحی آزمایش ها است، جهت کاهش تعداد آزمایش های تجربی و همچنین تنظیم پارامتر های ورودی در طراحی شبکه عصبی مصنوعی استفاده می شود. برای این منظور از نتایج مطالعه آزمایشگاهی قبلی که مربوط به پدیده پایداری سنگچین در اطراف پایه پل است به عنوان مطالعه موردی استفاده شد. همچنین قابلیت پیش بینی تاگوچی در مقایسه با نتایج حاصل از شبکه عصبی مصنوعی نیز مورد بررسی قرار گرفت. نتایج نشان داد که با استفاده از روش تاگوچی می توان تعداد آزمایش ها را به ترتیب به میزان ۸۹ و ۸۷ درصد نسبت به مطالعه محققین قبلی و روش فاکتوریل کامل کاهش داد. همچنین تحلیل حساسیت پارامترهای موثر نشان داد که دبی جریان به عنوان موثرترین پارامتر بر پایداری سنگچین در اطراف پایه پل است. در نهایت جهت تعیین شرایط هیدرولیکی پایداری سنگچین، اقدام به تنظیم پارامترهای شبکه عصبی مصنوعی با استفاده از روش تاگوچی شد که نتایج حاصل نشان دهنده دقت بالای این روش در برآورد نتایج آزمایشات با ضریب هم بستگی ۹۷/۰ بود. نتایج تحلیل حساسیت پارامترهای ورودی شبکه عصبی نیز نشان داد که تابع انتقال بیشترین تاثیر را بر روی نتایج شبکه عصبی مصنوعی دارد.

نویسندگان

سارا اسفندمز

دانشگاه محقق اردبیلی. دانشکده فنی و مهندسی. مهندسی عمران. مهندسی و مدیریت منابع آب. فارغ التحصیل کارشناسی ارشد

اتابک فیضی

دانشیار گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه محقق اردبیلی، اردبیل، ایران

مجتبی کریمایی طبرستانی

استادیار دانشکده مهندسی عمران دانشگاه تربیت دبیر شهید رجایی تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Atarodi, A., Karami, H., Ardeshir, A. and Hosseini, Kh. (۲۰۲۰). ...
  • Braddock, R.D., Kremmer, M.L. and. Sanzogni, L. (۱۹۹۸). Feed‐forward artificial ...
  • Dalir, M., Ziaei, A. and Sheikh Rezazadeh Nikou, N. (۲۰۲۱). ...
  • Kant, S. (۲۰۱۷). Application of Taguchi OA array and Artificial ...
  • Karimaei Tabarestani, M. and Zarrati, A.R. (۲۰۱۳). Design of stable ...
  • Karimaei Tabarestani, M. and Zarrati, A.R. (۲۰۱۹). December. Local scour ...
  • Karimaei Tabarestani, M. (۲۰۲۰). Effect of correlation between hydraulic parameters ...
  • Rashno, E., Zarrati A.R. and Karimaei Tabarestani, M. (۲۰۲۰). Design ...
  • Razavizadeh, S. and Dargahian, F. (۲۰۱۸). Optimization of Artificial Neural ...
  • Soukhtanlou, E., Teymourtash, A.R and Mahpeykar, M.R. (۲۰۱۸). Proposal of ...
  • Yao, A.W. and Chi, S.C. (۲۰۰۴). Analysis and design of ...
  • Zanjirchi, S.M., Hatami, M.M., Kadkhodazadeh, H.R and Banifatemeh, S.A.M. (۲۰۱۵). ...
  • نمایش کامل مراجع