ارائه ی روش جدید ترکیبی SOM-GEP برای پیش بینی هدایت هیدرولیکی محدوده ی متروی شهر تبریز

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 ارائه ی روش جدید ترکیبی SOM-GEP برای پیش بینی هدایت هیدرولیکی محدوده ی متروی شهر تبریز دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ارائه ی روش جدید ترکیبی SOM-GEP برای پیش بینی هدایت هیدرولیکی محدوده ی متروی شهر تبریز  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی ارائه ی روش جدید ترکیبی SOM-GEP برای پیش بینی هدایت هیدرولیکی محدوده ی متروی شهر تبریز،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ارائه ی روش جدید ترکیبی SOM-GEP برای پیش بینی هدایت هیدرولیکی محدوده ی متروی شهر تبریز :

تعداد صفحات :۲۴

چکیده مقاله:

با توسعه ی روز افزون شهرهای بزرگ و ازدیاد ساخت پروژه های مهندسی، مدیریت و کنترل صحیح آبهای زیرزمینی بخصوص در محل اجرای پروژه ها، ضرورت و اهمیت به سزایی دارد. بدین منظور جهت طراحی بهینه و مطمئن سازه های مهندسی، ارزیابی مناسب پارامترهای مؤثر بر جریان آب در محیط های متخلخل مانند هدایت هیدرولیکی، حائز اهمیت است و تدقیق آن یکی از اهداف اصلی در مطالعات و مدلسازی آبهای زیرزمینی و ژئوتکنیک به شمار می رود. مدل سازی آب های زیرزمینی با روش های هوش مصنوعی به علت هزینه ی کمتر و توانایی آنالیز بالا نسبت به روش های کلاسیک و آزمایشگاهی می توانند تخمین دقیق تری از پارامترهای هیدروژئولوژیکی از جمله هدایت هیدرولیکی داشته باشند. هدف از این مطالعه، پیش بینی هدایت هیدرولیکی با مدل شبکه ی عصبی برنامه ریزی بیان ژن(GEP) در محدوده ی پروژه ی قطار شهری کلانشهر تبریز و همچنین اهمیت دسته بندی داده های هیدروژئولوژیکی با روش SOM قبل از مدل سازی می باشد که در نهایت قدرت تعمیم دهی مدل را افزایش می دهد. به منظور دسته بندی داده ها، مجموع پارامتر های ورودی مدل به ۴ کلاس دسته بندی شدند. نتایج نشان می دهد راندمان مدل برای کلاس ۱، ۲، ۳ و ۴ نسبت به راندمان مدل در حالت انتخاب تصادفی، در مرحله ی آموزش به ترتیب ۱۱، ۴، ۱۲ و ۲ درصد و برای مرحله ی آزمایش ۹، ۹، ۴ و ۱۴ درصد به ترتیب برای هر کدام از کلاس ها افزایش یافته است. نتایج این پژوهش می تواند به عنوان الگویی مناسب در برآورد هدایت هیدرولیکی با این نوع مدل شبکه ی عصبی برای سایر مناطق مورد استفاده قرار گیرد.