سبد خرید

A comparison of sophisticated neural network and Finite Element Method in estimating of variations in permeability of earth-dam body in leakage phenomenon

تومان

موجودی: در انبار

Leakage is one of the most important problems in earth dam construction. Lake of leakage phenomenon analysis for earth dams can lead to destructive problems like increase in leakage forces, increase in pore water pressure and instability of the earth dam. In this study, leakage in two sections of an earth dam are modeled and analyzed by Finite Element Method (FEM), Multilayer Pereceptron network (MLP) and Radial  Basis Function network (RBF) and the results are compared. Based on the results, it can be concluded that FEM prediction are not compatible with actual data, whereas sophisticated neural network give acceptable results.

تعداد:
مقایسه

ABSTRACT

Leakage is one of the most important problems in earth dam construction. Lake of leakage phenomenon analysis for earth dams can lead to destructive problems like increase in leakage forces, increase in pore water pressure and instability of the earth dam. In this study, leakage in two sections of an earth dam are modeled and analyzed by Finite Element Method (FEM), Multilayer Pereceptron network (MLP) and Radial  Basis Function network (RBF) and the results are compared. Based on the results, it can be concluded that FEM prediction are not compatible with actual data, whereas sophisticated neural network give acceptable results.

INTRODUCTION

In recent years, Artificial Neural Networks (ANNs), successfully being used in many engineering fields such as geotechnical engineering. The  initial research of programming that knowledge, began from the mid-19th century by Parlf Lvrya and continued by scientists such as William James in the 19th century, Mac Klv and Pittsburgh in 1943, Hb in 1949, Frank Rosen Blatt 1958, have been continued until today.  Mathematical models need to determine the relationship between input and output, but (ANNs) transfer knowledge or the law lies beyond the data, by processing experimental data, to the network structure. Although, (ANNs) is more suitable when there are complex relationships  between variables that can not be computed. On the other hand the mathematical functions cause large error in results if given incorrect or
incomplete input, while (ANNs’) results are exact and precise. lete input, while (ANNs’) results are exact and precise. Considering to special geometry of large earth dams’ body, one of parameters can cause effects on it, is leakage. Wide valley in river basin, earthquake region in Iran are reasons of building earth dams, because of the flexibility and resistance of them against incoming earthquake forces. Also, being available materials of earth dams can reduce the cost of construction. Inconsideration of earth dams’ leakage analysis, may cause leakage forces, pore water pressure and instability of earth dams.

چکیده

نشت یکی از مهمترین مشکلات ساخت سد زمین است. تجزیه و تحلیل پدیده نشت دریاچه دریاچه می تواند منجر به مشکلات مخرب مانند افزایش نیروهای نشت، افزایش فشار آب منفی و عدم ثبات سد زمین شود. در این تحقیق، نشت در دو قسمت سد خاکی مدل سازی شده و با استفاده از روش المان محدود (FEM)، شبکه چند منظوره Pereceptron (MLP) و شبکه تابع پایه رادیویی (RBF) و نتایج مقایسه می شود. بر اساس نتایج، می توان نتیجه گرفت که پیش بینی FEM با داده های واقعی سازگار نیست، در حالیکه شبکه های عصبی پیچیده نتایج قابل قبول دریافت می کنند.

مقدمه

در سال های اخیر، شبکه های عصبی مصنوعی (ANNs)، با موفقیت در بسیاری از زمینه های مهندسی مانند مهندسی ژئوتکنیک مورد استفاده قرار گرفت. تحقیق اولیه برنامه نویسی دانش، از قرن نوزدهم میلادی توسط Parlf Lvrya آغاز شد و توسط دانشمندان مانند ویلیام جیمز در قرن نوزدهم، مک کلو و پیتسبورگ در سال 1943، Hb در سال 1949، فرانک راسن بلات 1958 ادامه یافت. تا امروز. مدل های ریاضی باید ارتباط بین ورودی و خروجی را تعیین کنند، اما انتقال دانش (ANNs) یا قانون بیش از داده ها، با پردازش داده های تجربی، به ساختار شبکه می پردازد. گرچه، (ANNs) مناسب تر است زمانی که روابط پیچیده بین متغیرهایی وجود دارد که نمیتوان آنها را محاسبه کرد. از سوی دیگر توابع ریاضی اگر خطا یا نادرست داده شوند خطا بزرگ در نتایج را ایجاد می کنندورودی ناقص، در حالی که نتایج (ANNs) دقیق و دقیق است. ورودی lete، در حالی که نتایج (ANNs) دقیق و دقیق هستند. با توجه به هندسه خاص بدن سدهای بزرگ زمین، یکی از پارامترها می تواند اثرات آن بر روی آن، نشت باشد. دره های وسیع در حوضه رودخانه، منطقه زلزله در ایران دلایل ایجاد سد های زمین به علت انعطاف پذیری و مقاومت آنها در برابر نیروهای زلزله زده است. همچنین در دسترس بودن مواد سد زمین می تواند هزینه ساخت و ساز را کاهش دهد. بررسی نشت های سد سبز ممکن است سبب نشتی، فشار آب منفی و بی ثباتی سد های زمین شود.

Year: 2011

Publisher : Sixth National Congress on Civil Engineering

By : Ali R. Ahmadi , Foad Ghasemi , Ehsan Sadrossadat , Ahmad Ghasemi

File Information: English Language/ 8 Page / size: 577 KB

Only site members can download free of charge after registering and adding to the cart

Download tutorial

سال : 1390

ناشر : ششمين كنـگره ملي مهندسی عمـران

کاری از : علی احمد احمدی، فواد قاسمی، احسان صدرسادات، احمد قاسمی

اطلاعات فایل : زبان انگلیسی / 8 صفحه / حجم : KB 577

فقط اعضای سایت پس از ثبت نام و اضافه کردن به سبد خرید می توانند دانلود رایگان کنند.خوشحال می شویم به ما پبیوندید

آموزش دانلود

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “A comparison of sophisticated neural network and Finite Element Method in estimating of variations in permeability of earth-dam body in leakage phenomenon”
درحال بارگذاری ...