تولید شتابهای غیر یکنواخت تکیه گاهی بر اساس رکوردهای واقعی ثبت شده در ساختگاه با استفاده از شبکه عصبی مصنوعی NARX
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (بدون رتبه معتبر)
چکیده:
در پژوهش حاضر سعی براین بوده است که با استفاده از رکوردهای واقعی ثبت شده در یک ساختگاه، پاسخ دینامیکی نقاط مختلف سازه را تحت ورودی های جدید پیش بینی نمود. برای این منظور از روش شبکه عصبی مصنوعی NARX که یک شبکه عصبی پویا محسوب می شود، استفاده شده است. شبکه های عصبی مصنوعی که جزء سیستم های دینامیکی هوشمند به حساب می آیند، با پردازش روی داده های تجربی، ارتباط پنهان بین داده ها را به ساختار شبکه منتقل می کنند. این سیستم ها براساس محاسبات روی داده های عددی، قوانین کلی حاکم بر مساله ی مورد بررسی را یاد می گیرند. در تحقیق حاضر برای آموزش شبکه از رکوردهای واقعی موجود در راستاهای مختلف روی کف دره و نقاط مختلف روی بدنه سد با استفاده از تابع لونبرگ – مارکاد انجام پذیرفته است. بعد از آموزش شبکه، ورودی های جدید به این سیستم وارد و با استفاده از شبکه آموزش داده شده پاسخ های سازه در نقاط مختلف روی بدنه سد استخراج شدند. برای بررسی دقت این روش از مقایسه با رکوردهای واقعی موجود استفاده شد. نتایج به دست آمده نشان دهنده، توانایی بالای این روش برای تولید شتابهای غیر یکنواخت در زمان بسیار کوتاه و دقت بالا میباشد.
کلیدواژگان:
تحریک غیریکنواخت، سد پاکویما، شبکه عصبی، سری زمانی، اثرات ساختگاهی
زبان:
فارسی
صفحات:
56 تا 68
لینک کوتاه:
magiran.com/p1832830
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!