fa مدلسازی اثر تخلخل لایه‌های موج‌شکن در روابط روگذری موج با استفاده از الگوریتم یادگیری ماشین سازه های ساحلی Marine Structures and near shore مقاله پژوهشي Research Paper <span dir="RTL" lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">تخمین صحیح و قابل اطمینان میزان روگذری موج در ساز&rlm;ه&rlm;های ساحلی امری مهم در طراحی و ارزیابی ایمنی این سازه&shy;ها است. در این پژوهش، با استفاده از مدل‌سازی عددی و یادگیری ماشین، رابطه‌ای جدید برای محاسبه روگذری موج در موج‌شکن توده‌سنگی با آرمور بتنی</span></span> <span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">Xbloc</span></span> <span dir="RTL" lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">ارائه شده است. روش مورد استفاده بر مبنای یادگیری نظارت‌شده و رگرسیون غیرخطی بوده و فرم کلی رابطه پیشنهادی از مدل هیبسگارد و همکاران تبعیت کرده است</span></span><span dir="RTL" lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">. برای اعتبارسنجی مدل، نتایج حاصل از رابطه جدید با داده‌های آزمایشگاهی و همچنین روابط اوون و ون در میر مقایسه شد</span></span><span style="font-size:11.0pt"><span new="" roman="" style="font-family:" times="">. </span></span><span dir="RTL" lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">ضریب همبستگی</span></span> <span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">(R²)</span></span><span dir="RTL" lang="AR-SA" style="font-size:10.0pt"><span b="" nazanin="" style="font-family:">، </span></span><span dir="RTL" lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">جذر میانگین مربعات خطا</span></span> <span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">(RMSE)</span></span> <span dir="RTL" lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">و اندیس توافق </span></span><span style="font-size:11.0pt"><span new="" roman="" style="font-family:" times="">(d)</span></span> <span dir="RTL" lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">نشان داد که رابطه پیشنهادی تطابق بیشتری با داده‌های آزمایشگاهی دارد</span></span><span style="font-size:11.0pt"><span new="" roman="" style="font-family:" times="">.</span></span><span dir="RTL" lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:"> مدل‌سازی عددی برای ۸</span></span> <span dir="RTL" lang="AR-SA" style="font-size:11.0pt"><span b="" nazanin="" style="font-family:">شرایط مختلف نیز انجام شد که در تمامی موارد، رابطه پیشنهادی تطابق بیشتری با خروجی‌های عددی نسبت به روابط تجربی پیشین داشت. این نتایج نشان می‌دهد که استفاده از مدل‌سازی عددی و یادگیری ماشین، می‌تواند جایگزینی دقیق و مقرون‌به‌صرفه برای آزمایش‌های فیزیکی پرهزینه در استخراج روابط روگذری موج باشد. در این پژوهش، اثر تخلخل موج‌شکن که در مطالعات گذشته کمتر مورد توجه قرار گرفته است، به‌طور ویژه بررسی شده و در رابطه پیشنهادی لحاظ گردیده است. نتایج این تحقیق نشان می‌دهد که روش پیشنهادی می‌تواند به‌عنوان ابزاری کارآمد برای ارائه روابط دقیق‌تر در تخمین روگذری موج، بدون نیاز به آزمایشات فیزیکی گسترده، مورد استفاده قرار گیرد. </span></span> <span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">Accurate and reliable estimation of wave overtopping in coastal structures is crucial for their design and safety assessment. In this study, a new relationship for estimating wave overtopping in rubble mound breakwaters with Xbloc armor units is developed using numerical modeling and machine learning. The proposed method is based on supervised learning and nonlinear regression, following the general form of the Hibbertsgaard et al. model. To validate the model, the results of the proposed relationship were compared with experimental data as well as the Owen and Van der Meer formulas. </span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">The coefficient of determination (R²), root mean square error (RMSE)</span></span> <span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">and the Index of Agreement (d) indicated that the proposed relationship showed a better correlation with experimental data</span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">. Numerical modeling was performed for eight different conditions, and in all cases, the proposed relationship demonstrated a better agreement with numerical outputs compared to previous empirical formulas. These results suggest that numerical modeling and machine learning can provide an accurate and cost-effective alternative to expensive and time-consuming physical experiments for deriving wave overtopping relationships. This study also specifically examines the effect of breakwater porosity, which has received less attention in previous research, and incorporates it into the proposed relationship. The findings indicate that the proposed method can serve as an efficient tool for developing more accurate wave overtopping relationships without the need for extensive physical modeling.</span></span> موج‌شکن توده سنگی,یادگیری ماشین,روگذری موج Armour breakwater,Machine learning,Wave overtopping 29 41 http://marine-eng.ir/browse.php?a_code=A-10-515-11&slc_lang=fa&sid=1 ali ghasemi علی قاسمی ghasemi.ali89@gmail.com 10031947532846006056 10031947532846006056 Yes SPI شرکت سازه پردازی ایران Soheil Radfar سهیل رادفر radfarr.soheil@yahoo.com 10031947532846006057 10031947532846006057 No Alabama university دانشگاه آلاباما