عنوان

مدل سازی استوکستیک تراوش در مقایسه با مدل شبکه عصبی مصنوعی

شماره

‭۱۶۴۸۲پ‬

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

مدل سازی استوکستیک تراوش در مقایسه با مدل شبکه عصبی مصنوعی

نام نخستين پديدآور

/نیما عینی

نام ناشر، پخش کننده و غيره

: عمران

تاریخ نشرو بخش و غیره

، ‮‭۱۳۹۵‬

متن يادداشت

چاپی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسی عمران- سازه‌های هیدرولیکی

زمان اعطا مدرک

‮‭۱۳۹۵/۱۰/۳۰‬

کسي که مدرک را اعطا کرده

تبریز

متن يادداشت

مدل سازی و بررسی پدیده تراوش در طراحی سازه های هیدرولیکی، حوزه های زیست محیطی و ...از اهمیت خاصی برخوردار می باشد .مخصوصا در طراحی ابنیه های آبی نظیر انواع سد ها، مخازن، وکانال ها .در این سازه ها گاها خرابی هایی ناشی از نشت های پیش بینی نشده باعث بوجود آمدن اثرات جبران ناپذیری چه از لحاظ مالی و چه از لحاظ جانی می شود .یکی از دلایل این تراوشات مهار نشده در طول زمان بهره برداری، را میتوان ساده سازی ها در هنگام طراحی ، مانند ثابت در نظر گرفتن مقدار ضریب نفوذ در معادلات حاکم بر مسئله و اغماض تاثیر آن بر روی جواب نهایی دانست .منظور از انجام این تحقیق به دست اوردن روشی پیشرفته تر با در نظر گرفتن عوامل احتمالی در فیزیک مسئله است و البته مقایسه آن با مدل جعبه سیاه مانند شبکه عصبی مصنوعی .در پدیده تراوش یکی از اساسی ترین فاکتور های موجود در معادلات حاکم، ضریب هدایت هیدرولیکی میباشد .مقدار این ضریب در اغلب محاسبات و طراحی های امروزی، تقریبا ثابت فرض میشود، حال انکه هدف اصلی این تحقیق عدم ثابت فرض کردن این ضریب و تلاش برای مدل سازی پدیده تراوش، با در نظر گرفتن تصادفی بودن مقدار هدایت هیدرولیکی و حل معادلات حاکم بر مسئله در فضای احتمالاتی میباشد .با اشاره به اینکه تعبیر رفتار اغلب پدیده های فیزیکی و تفسیر آنها در ریاضیات توسط معادلات دیفرانسیلی انجام میشود، وجود برخی از عوامل تصادفی مانند متغییر بودن مقدار ضریب نفوذ، در یک معادله دیفرانسیلی، باعث بوجود امدن معادلات دیفرانسیل تصادفی میشود، این معادلات و انتگرال ها‮‭It‬ م به روش ریمان یا عددی معمول، قابل حل نیستند .برای رفع این مشکل و حل این نوع معادلات از نمو انتگرال استفاده میشود، جواب این دسته از معادلات شامل فرانید وینر است، که به شکل تابعی مشخص از زمان قالب دسرس نیست .درحال حاضر روش های حل معادلات دیفرانسیل تصادفی نیازمند تسلط کافی به ریاضیات پیشرفته میباشد، بیش تر روش های تحلیلی موجود فقط قادر به حل برخی از معادلات دیفرانسیل تصادفی معمولی هستند ، از این رو با اتکا به روش های عددی مانند تقریب های اولیر-ماریاما و میلیشتاین میتوان با تقریب بسیار بالا به که یکی از روش های مهم در نمونه گیری از ‮‭MLMC‬ جواب های مورد نظر رسید ..در این تحقیق ازروش عددی محیط اماری است استفاده شده، سپس توسط تئوری پیچیدگی و روش برازش گردشی ماتریسی اقدام به تولید به صورت تصادفی در ‮‭k‬ سده است.برای حل معادله دیفرانسیل جزئی با ضرایب رندم ناشی از ‮‭k‬ ماتریس تصادفی از تقریب های عددی شامل فرآیند وینر استفاده شده .پس از الگوسازی مسیر شبیه ‮‭Stratonovich‬ و‮‭It‬ م دو فرم پرداخته شده شده و در نهایت با ‮‭Jeziorsko‬ سازی شده اقدام به گسسته سازی مسیر معادلات تراوش سد خاکی استفاده از مدل سازی شبکه عصبی مصنوعی پیش خور با الگوریتم پس انتشار خطا و خروجی های بدست امده، اقدام به مقایسه نتایج این دو مدل کرده و مزایا و معایب استفاده از هر دو مدل بیان میشود

متن يادداشت

Seepage analysis has an important role in design of hydraulic, envier mental and civil engineering. This role is significant especially in hydraulic structures such as embankments. The problem of seepage failure is significantly affected by controlled seepage through the dam body and its foundation. The purpose of this research is to obtain a more high precise advanced method to describe physical phenomenon in stochastic spatial, and to compare this model to other black box models; such as ANN. In seepage, one of the most fundamental factors in governing equations is hydraulic conductivity that we practically assume as a constant value in our calculations. Whereas the main purpose of this research is quite the opposite earlier view. Many natural phenomenon and physical applications are modeled by partial differential equation (PDEs). There are some agents that provide an uncertainty quantity in these PDEs such as hydraulic conductivity. And seepage equation that is an elliptic PDE (Laplace Equation). These PDEs could not be solved by Elementary Mathematics due to the existence of these parameters. There are some analytical solutions that may be applicable in some particular condition; but they might collapse in some other situations. Hence numerical methods can be preferred as an approximation with admissible accuracy. One of the most hybrid numerical methods in field of statistic is Monte Carlo method, which has innovative subcategories such as: standard Monet Carlo, Markov chain Monte Carlo (MLMC), multilevel Monte Carlo (MLMC). In this research we consider the numerical method MLMC as a solution to obtain a random filed of (k) by CEM methods, this method generate a k matrix that will has stochastic properties after circulate embedding that used as a diffusion parameter on Seepage SPDE. After the simulation we will attempt to describe particular Wiener process that uses to solve SDE. We introduce two approximations that solve numerically special kind of SDE, Euler-maryuma and Milstein approximation. This tow approximation solve tow forms of SDE A. Ito B. Stratonovich by numerical discretization. These forms let us to involve stochastic parameters in seepage equitation continuously. As a case study we have chosen Jeziorsko earth fill dam in Poland that has been built in 1986 and has been studied in many researches. We use RMSE index to compare measured data with our results and decide that which model in which Level of MLMC has more Accuracy. As second part of thesis eventually ANN (FFBP) model has been developed and compared to stochastic model that is described earlier to show which model has better performance

مستند نام اشخاص تاييد نشده

عینی، نیما

مستند نام اشخاص تاييد نشده

نورانی، وحید، استاد راهنما

يادداشت عمومي

سیاه و سفید

وضعیت فهرست نویسی

نمایه‌سازی قبلی