پیش بینی تغییرات اندازه و محل سکوی ساحلی در شرایط غیر طوفانی دریا به کمک الگوریتم شبکه عصبی | ||
| مهندسی عمران مدرس | ||
| Article 5, Volume 25, Issue 2 - Serial Number 82, 1404, Pages 67-84 PDF (3.93 M) | ||
| Document Type: پژوهشی اصیل (کامل) | ||
| DOI: 10.22034/25.2.67 | ||
| Authors | ||
| امیر جباری خامنه; مهدی عجمی* ; سعید قرهچلو | ||
| دانشگاه صنعتی شاهرود | ||
| Abstract | ||
| 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. | ||
| Keywords | ||
| سکوی ساحلی; تغییرات خط ساحل; مورفودینامیک ساحلی; شرایط غیر طوفانی; الگوریتم شبکه عصبی | ||
| References | ||
|
| ||
|
Statistics Article View: 353 PDF Download: 115 |
||
| Number of Journals | 45 |
| Number of Issues | 2,171 |
| Number of Articles | 24,674 |
| Article View | 24,447,968 |
| PDF Download | 17,555,110 |