کیسونهای مکشی، سازههای بزرگی هستند که بخش مهمی از سیستم مهاربندی و یا فونداسیون تاسیسات دریایی از قبیل اسکله ها، پلها و نیروگاهها را تشکیل میدهند. ظرفیت بالابرندگی کیسونها پارامتر مهمی در پایداری آنها می باشند. پنانچه این پارامتر به درستی پیش بینی نشود به شکست کل سازه منجر میگردد. اخیراً استفاده از روشهای هوشمند در پیشبینی ظرفیت بالابرندگی کیسونهای مکشی متداول شده است. یکی از این روشها، دستهبندی گروهی دادهها[1] (GMDH) میباشد. در مقاله حاضر مدلی مبتنی بر روش هوشمند داده محور GMDH و روش هوشمند مختلط GMDH – ANN برای پیشبینی ظرفیت بالابرندگی کیسونها در قسمت برنامهنویسی نرمافزار MATLAB توسعه دادهشده است. بهمنظور ارزیابی پیشبینی، نتایج مدلهای توسعه داده شده با چندین شاخص آماری و همچنین با نتایج دیگر روشها مانند، شبکه عصبی مصنوعی و المان محدود مقایسه شده است. بررسی مقادیر شاخصهای آماری محاسبه شده و همچنین مقایسه نتایج بدست آمده با دیگرروشها بیانگر عملکرد مناسب مدلهای توسعه داده شده در پیشبینی ظرفیت بالابرندگی کیسونها میباشند
masoumi M, khanjani M J, qaderi K. Uplift capacity prediction of suction caisson in sand bend using GMDH and method GMDH-ANN. Iranian Dam and Hydroelectric Powerplant 2017; 4 (12) :21-32 URL: http://journal.hydropower.org.ir/article-1-111-fa.html
معصومی مجتبی، خانجانی محمد جواد، قادری کورش. پیشبینی ظرفیت بالابرندگی کیسونهای مکشی در بستر ماسهای با استفاده از GMDH و GMDH - ANN. سد و نیروگاه برق آبی ایران. 1396; 4 (12) :21-32