fa پیش‌بینی ظرفیت بالابرندگی کیسونهای مکشی در بستر ماسه‌ای با استفاده از GMDH و GMDH - ANN سد و سازه سد و سازه كاربردي Applicable <p><span dir="RTL">کیسونهای مکشی، سازههای بزرگی هستند که بخش مهمی از سیستم</span><span dir="RTL"> مهاربندی و یا فونداسیون تاسیسات</span><span dir="RTL"> دریایی &nbsp;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</span><a href="#_ftn1" name="_ftnref1" title=""><span dir="RTL"><span dir="LTR">[1]</span></span></a> (GMDH)<span dir="RTL"> می‌باشد. در مقاله حاضر مدلی مبتنی بر روش‌ هوشمند داده محور </span>GMDH<span dir="RTL"> و روش هوشمند مختلط </span>GMDH &ndash; ANN <span dir="RTL">&nbsp;برای پیش‌بینی ظرفیت بالابرندگی کیسون‌ها در قسمت برنامه‌نویسی نرم‌افزار </span>MATLAB <span dir="RTL">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</span></p> <div>&nbsp; <hr align="left" size="1" width="33%" > <div id="ftn1"> <p><a href="#_ftnref1" name="_ftn1" title="">[1]</a> Group&nbsp; Method of Data Handling</p> </div> </div> <p>Suction caissons generally used as anchor for large offshore structures. Uplift capacity is the main issue in their stabilities. If this issue doesn&rsquo;t calculate correctly, suction caisson may be collapsed. During recent years, many Artificial Intelligence (AI) has been used for suction caisson uplift capacity prediction. &nbsp;One of this method is Group Method of Data Handling (GMDH). In this study, a model based on GMDH and a hybrid model GMDH-ANN were developed using programing code in MATLAB software. For validating developed methods, several statistical indices are calculated. Also the results of Finite Element Method (FEM) and Artificial Neural Network (ANN) were compared with developed methods. Comparison of these results showed that these developed methods had good performance in suction caisson uplift capacity.</p> کیسون‌های مکشی, شبکه عصبی مصنوعی, ظرفیت بالابرندگی, نیروگاه برقابی Suction caisson, GMDH, ANN, uplift capacity, power planet 21 32 http://journal.hydropower.org.ir/browse.php?a_code=A-10-216-1&slc_lang=fa&sid=1 mojtaba masoumi مجتبی معصومی mojtaba.masoumi@gmail.com 3149587530 10031947532846003028 Yes shahid bahonar university شهید باهنر کرمان mohamad javad khanjani محمد جواد خانجانی mjkhanjani@uk.ac.ir 2162391651 10031947532846003029 No shahid bahonar university شهید باهنر کرمان kourosh qaderi کورش قادری kouroshqaderi@uk.ac.ir 4172652451 10031947532846003030 No shahid bahonar university شهید باهنر کرمان