ارزیابی ظرفیت باربری شالوده های جدار نازک با روش تلفیقی فازی-عصبی روش گروهی دسته بندی داده ها بهینه شده با الگوریتم فرا ابتکاری

ارزیابی ظرفیت باربری شالوده های جدار نازک با روش تلفیقی فازی-عصبی روش گروهی دسته بندی داده ها بهینه شده با الگوریتم فرا ابتکاری

هومن هرندی زاده1 محمد نجف زاده2

1) فارغ التحصیل دکترای مهندسی عمران - بخش مهندسی عمران - دانشکده فنی و مهندسی - دانشگاه شهید باهنر کرمان، ایران -
2) دانشیار گروه مهندسی آب، دانشکده مهندسی عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، ایران -

کد IOI مقاله : XECZ-HEAEZ
محل انتشار : دومین کنفرانس بین المللی معماری، عمران،شهرسازی،محیط زیست و افق های هنر اسلامی در بیانیه گام دوم انقلاب(2icacu.ir)
چکیده :
    برآورد صحیح و مطمئن ظرفیت باربری پی های جدار نازک برای طراحی دقیق این سازه ها مهم و ضروری است. این مطالعه یک تکنیک هوشمند ترکیبی جدید، یعنی سیستم استنتاج عصبی فازی تطبیقی (ANFIS)-شبکه عصبی چند جمله‌ای (GMDH) بهینه‌سازی شده توسط الگوریتم ژنتیک (GA)، به نام ANFIS-GMDH-GA را برای پیش‌بینی ظرفیت باربری پیشنهاد می‌کند. پایه های دیوار نازک در واقع در سیستم ANFIS-GMDH–GA از GA برای بهینه‌سازی ساختار ANFIS-GMDH استفاده شد. برای دستیابی به هدف این پژوهش، مجموعه ای از نمونه های داده از مقالات گذشته جمع آوری شد. پس از ایجاد پایگاه داده، بسیاری از مدل‌های ANFIS-GMDH–GA ساخته و برای تخمین ظرفیت باربری پایه‌های فوق‌الذکر پیشنهاد شدند. برای نشان دادن قابلیت این مدل هیبریدی پیشرفته، دو مدل از پیش توسعه‌یافته یعنی ANFIS و GMDH نیز برای پیش‌بینی ظرفیت باربری ساخته شدند. پیش‌بینی عملکرد مدل‌های پیشنهادی با استفاده از چندین شاخص عملکرد، به عنوان مثال، ضریب همبستگی (R) و میانگین مربعات خطا (MSE) ارزیابی شد. مقادیر R (0.9825، 0.9071، و 0.9928) و (0.8630، 0.7595 و 0.9241) به ترتیب برای آموزش و آزمایش داده های مدل های ANFIS، GMDH و ANFIS-GMDH-GA به دست آمد. بر این اساس، به دلیل نقش GA به عنوان یک الگوریتم بهینه‌سازی عملی در بهبود کارایی هر دو مدل GMDH و ANFIS، نتایج به‌دست‌آمده توسط مدل ANFIS-GMDH–GA در مقایسه با سایر روش‌های اجرا شده دقیق‌تر است. مدل ترکیبی پیشرفته پیشنهادی را می توان به عنوان یک تکنیک جدید و کاربردی برای حل مسائل در زمینه ژئوتکنیک و مهندسی عمران معرفی کرد.

کلمات کلیدی : ظرفیت باربری پی های جدار نازک الگوریتم anfis شبکه روش گروهی دسته بندی داده ها (gmdh) الگوریتم ژنتیک تکنیک های مبتنی بر هوش مصنوعی ترکیبی