Thesis

پیش بینی نشست سد نساء کرمان با استفاده از شبکه عصبی مصنوعی و داده های ابزار دقیق

Abstract(in Persian; no English abstract is available)

مقدار و جهت تغییر شکل¬ها در یک نقطه در داخل یا روی تاج سد در طی مراحل مختلف ساخت و بهره¬برداری از مخزن ممکن است تغییر کند. به کمک رفتار نگاری داده¬های ابزار دقیق سد می¬توان جابجایی¬¬های سد در سه جهت قائم، عمود و موازی با محور سد را اندازه¬گیری کرد. با توجه به هزینه¬های هنگفت که برای احداث سدها صرف می¬شود، نیاز به در نظر گرفتن حداکثر تمهیدات لازم است تا از ایجاد هر گونه مشکلی که در پایداری و ایمنی این سازه ایجاد اختلال می¬کند، جلوگیری شود. یکی از این مشکلات، نشست است. اگر بتوان میزان این پدیده را حتی به صورت حدودی پیش-بینی کرد می¬توان از اثرات مخرب آن جلوگیری کرد. در این پژوهش به منظور پیش بینی نشست با استفاده از شبکه¬های عصبی به ازای اطلاعات هر نشست¬سنج و فشارسنجی که در ارتفاع¬های متفاوتی در بدنه سد در دوره¬های زمانی ماهیانه قرائت شده است، از سه مؤلفه فشار، ارتفاع و زمان به عنوان پارامترهای ورودی شبکه عصبی و نشست به عنوان خروجی استفاده شده است. در مجموع از 3312 داده استفاده شده، تعداد 2484 داده در سه دسته 828 تایی به عنوان ورودی و مابقی به عنوان خروجی انتخاب شده است. در این تحقیق، 70 درصد از داده¬ها جهت آموزش، 15 درصد جهت ارزیابی و 15 درصد نیز جهت آزمون در نظر گرفته شده اند. پس از سعی و خطای بیش از 30 مدل بر اساس موارد الگوریتم آموزش، تعداد لایه های مخفی، تعداد نرون ها در لایه پنهان، توابع فعال¬سازی، تعداد تکرارهای آموزش و شروط توقف، مدل شبکه عصبی پرسپترون چند لایه با روش یادگیری پس انتشار خطا با مکانیزم لونبرگ مارکورات، تابع تبدیل لایه مخفی سیگموئدی و تابع تبدیل لایه خروجی خطی به عنوان بهترین مدل با کمترین خطا انتخاب شد. در فرایند ساخت مدل نهایی، پس از ایپاک 250ام میزان میانگین مربعات خطا فاز آزمایش به مقدار کمینه خود رسید، پس از آن به منظور جلوگیری از بیش برازش از ادامه آموزش صرف نظر شد با توجه به نتایج به دست آمده مقادیر پیش بینی شده توسط این مدل در مرحله آموزش (rmse=0.0297) نسبتاً و در فاز آزمایش (rmse=0.0177) بسیار به مقادیر واقعی آن نزدیک هستند. نتایج گرافیکی برای کل داده¬ها نشان می¬دهد که مقدار پیش بینی شده به مقدار واقعی خیلی نزدیک است، ضریب همبستگی دارای مقدار بسیار مناسب (r=0.995) می باشد. میانگین مربعات خطا (rmse=0.0265) برای این داده¬ها نیز مقدار بسیار مطلوبی را نشان می¬دهد بنابراین شبکه¬های عصبی قادرند تا نشست سد را ردیابی کرده و با یک دقت خوب پیش¬بینی نمایند. همچنین با بررسی روش¬های آماری و تجربی نتایج بدست آمده نشان داد که ضرایب تعیین پایین و جذر میانگین مربعات خطای بالا دارند و بنابراین این روابط از دقت پایینی برخوردارند و قابلیت تعمیم ندارند.

Supervisors and advisors

علی نورزاد، محمود فاطمی عقدا، محمد تشنه لب

Similar theses

Similar items

  • استفاده از شبکه های عصبی مصنوعی به‏عنوان مکمل روش‏های عددی در پیش‏بینی نشست تونل خط یک مترو تبریز

    Articleزمین شناسی مهندسیحسین اینانلو عربی شاد، دانشگاه آزاد اسلامی واحد تهران جنوب کاوه آهنگری، دانشگاه آزاد اسلامی واحد علوم تحقیقات

    یکی از مسائل مهم در تونل های مترو شهری، تحلیل پایداری تونل و تعیین ضریب اطمینان مناسب و ایمن و همچنین پیش بینی میزان نشست می باشد که منجر به تأمین پایداری در حین اجرا و پس از آن در زمان بهره برداری از سازه مورد نظر خواهد گردید. اهداف این مطالعه، استفاده از روش های مختلف در پیش بی

  • پیش بینی عملکرد زعفران با استفاده از داده های هواشناسی به وسیله شبکه عصبی مصنوعی در استان های خراسان رضوی و جنوبی

    Articleپژوهش های زعفرانناهید نکوئی، دانشجوی کارشناسی ارشد اگرواکولوژی،دانشکده کشاورزی دانشگاه ییرجند محمدعلی بهدانی، دانشیار گروه پژوهشی زعفران دانشکده کشاورزی دانشگاه بیرجند عباس خاشعی سیوکی، استادیار گروه علوم و مهندسی آب دانشکده کشاورزی دانشگاه بیرجند

    زعفران یکی از مهم ترین محصولات کشاورزی ایران به ویژه در استان های خراسان رضوی و جنوبی می باشد. پیش بینی عملکرد محصولات با استفاده از داده های موجود تأثیرات مهمی در مسایل اجتماعی- اقتصادی و تصمیم گیری های سیاسی در مقیاس منطقه ای دارد. اخیراً کاربرد شبکه های عصبی مصنوعی به عنوان اب

  • پیش بینی عملکرد زعفران با استفاده از داده های هواشناسی به وسیله شبکه عصبی مصنوعی در استان های خراسان رضوی و جنوبی

    Article2015پژوهش های زعفرانناهید نکوئی، محمدعلی بهدانی، عباس خاشعی سیوکی

    زعفران یکی از مهم ترین محصولات کشاورزی ایران به ویژه در استان های خراسان رضوی و جنوبی می باشد. پیش بینی عملکرد محصولات با استفاده از داده های موجود تأثیرات مهمی در مسایل اجتماعی- اقتصادی و تصمیم گیری های سیاسی در مقیاس منطقه ای دارد. اخیراً کاربرد شبکه های عصبی مصنوعی به عنوان اب

  • تخمین نیترات آب زیرزمینی دشت همدان- بهار با استفاده از شبکة عصبی مصنوعی و اثر تفکیک داده ها بر دقت پیش بینی

    Article2011محیط شناسیحمید زارع ابیانه، مریم بیات ورکشی، سمیرا اخوان، محمد محمدی

    کسب اطلاعات لازم در خصوص نیترات در منابع آب زیرزمینی مستلزم اندازه گیری های دقیق دوره ای است که با وجود اندازه گیری آن در برخی مناطق، به علت حساسیت های اجتماعی و سلامتی جامعه گزارش نمی شود. بنابراین مدل سازی آن به علت اطلاع از وضعیت کیفی آب هر منطقه ضروری به نظر می رسد. هدف این م

  • پیش بینی بیماری قلبی با استفاده از شبکه عصبی مصنوعی بهبود یافته

    Article2019مجله دانشگاه علوم پزشکی ایلامجلال رضایی نور، غفران سعدی، میثم جهانی

    مقدمه: پیش بینی صحیح بیماری قلبی افراد از اهمیت زیادی برخوردار است، لذا برای این پیش بینی بایستی از آن دسته مدل‌هایی استفاده کرد که دارای حداقل خطا و حداکثر اطمینان باشد. از این رو در این مطالعه از ترکیب شبکه عصبی مصنوعی با الگوریتم ژنتیک جهت ارزیابی مبتال بودن افراد به سکته قلبی

  • پیش‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎بینی بقای بیماران مبتلا به سرطان پستان با استفاده از دو مدل رگرسیون لجستیک و شبکه عصبی مصنوعی

    Articleمجله اپیدمیولوژی ایرانآذر اسد آبادی، a asadabadi msc, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranکارشناس ارشد آمار زیستی، گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران عباس بهرامپور، a bahrampour professor, phd, modeling of health research center, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranاستاد گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران علی اکبر حقدوست، aa haghdoost associate professor, phd, modeling of health research center, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranاستاد گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران

    مقدمه و اهداف: در سال‎های اخیر، توجه قابل ملاحظه‎ای به مدل‎های آماری برای طبقه‎بندی داده‎های پزشکی با توجه به بیماری‎های مختلف و پیامدهای آن‎ها شده است. شبکه‎های عصبی مصنوعی به دلیل عدم نیاز به پیش فرض با موفقیت برای تشخیص الگو و پیش‎بینی در برخی از مطالعه های بالینی استفاده شده‎