An Artificial Neural Network for Prediction of Front Slope Recession in Berm Breakwater
Berm breakwaters are used as protective structures against the wave attack where larger quarry materials as armor stone is scarce, or large quarry materials are available but using berm breakwater lowers the costs considerably. In addition, wave overtopping in berm breakwaters are significantly lower than the traditional ones for equal crest level because of the wave energy dissipation on the berm.The most important design parameter of berm breakwaters is its seaward berm recession which has to be well estimated. In this paper a method has been developed to estimate the front slope recession of berm breakwaters using artificial neural networks with high accuracy. Four different available data-sets from four experimental tests are used to cover wide range of sea states and structural parameters. The network is trained and validated against this database of 1039 data. Comparisons is made between the ANN model and recent empirical formulae to show the preference of new ANN model.
Article Type:
Research/Original Article
International Journal of Coastal and Offshore Engineering, Volume:3 Issue: 9, 2018
37 - 44  
برخی از خدمات از جمله دانلود متن مقالات تنها به مشترکان مگیران ارایه می‌گردد. شما می‌توانید به یکی از روش‌های زیر مشترک شوید:
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 300,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!
  • دسترسی به متن مقالات این پایگاه در قالب ارایه خدمات کتابخانه دیجیتال و با دریافت حق عضویت صورت می‌گیرد و مگیران بهایی برای هر مقاله تعیین نکرده و وجهی بابت آن دریافت نمی‌کند.
  • 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.