توسعۀ مدل فرا ابتکاری انفیس- الگوریتم ژنتیک برای پیش‌بینی عمق آبشستگی در مجاورت لوله‌های مستغرق
در نواحی ساحلی، عبور خطوط لوله مستغرق نفت و گاز بسیار رایج است و وقوع آبشستگی در اطراف لوله پایداری آنها را تهدید میکند. در این مطالعۀ یک مدل فرا ابتکاری برای پیش‌بینی عمق آبشستگی در اطراف لوله‌های افقی مستغرق توسعه داده می‌شود. مدل عددی با ترکیب مدل سیستم استنباط فازی عصبی تطبیقی (انفیس) و الگوریت...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Ferdowsi University of Mashhad
2020-05-01
|
| Series: | مهندسی عمران فردوسی |
| Subjects: | |
| Online Access: | https://civil-ferdowsi.um.ac.ir/article_32679_8d7b2bf9b96c2b11b611ed590d138c12.pdf |
| Summary: | در نواحی ساحلی، عبور خطوط لوله مستغرق نفت و گاز بسیار رایج است و وقوع آبشستگی در اطراف لوله پایداری آنها را تهدید میکند. در این مطالعۀ یک مدل فرا ابتکاری برای پیش‌بینی عمق آبشستگی در اطراف لوله‌های افقی مستغرق توسعه داده می‌شود. مدل عددی با ترکیب مدل سیستم استنباط فازی عصبی تطبیقی (انفیس) و الگوریتم ژنتیک تولید می‌شود. علاوه بر این در مطالعۀ حاضر برای ارزیابی دقّت مدل‌های عددی از شبیه‌سازی‌های مونت کارلو استفاده شد. در مقابل برای اعتبار سنجی نتایج مدل‌های مذکور از روش اعتبار سنجی متقابل با 6=k بهره گرفته شد. سپس 6 مدل عددی مختلف توسعه داده می‌شود. سرانجام با تجزیه‌وتحلیل نتایج مدل‌های عددی، مدل برتر معرفی شد. مدل برتر عمق آبشستگی را با دقّت قابل قبولی شبیهسازی کرد. این مدل مقادیر آبشستگی را با استفاده از کلیه پارامترهای ورودی شبیهسازی کرد. به‌عنوان‌مثال برای مدل برتر مقادیر ضریب همبستگی و شاخص پراکندگی به ترتیب مساوی با 974/0 و 090/0 محاسبه شد. علاوه بر این، فاصله بین لوله و بستر رسوبی قبل از آبشستگی به قطر لوله (e/D) بهعنوان مؤثرترین پارامتر ورودی شناسایی شد |
|---|---|
| ISSN: | 2783-2805 2783-199X |