Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

23.01.2019 | Original Article | Ausgabe 1/2020

Engineering with Computers 1/2020

Optimization of ANFIS with GA and PSO estimating α ratio in driven piles

Zeitschrift:
Engineering with Computers > Ausgabe 1/2020
Autoren:
Hossein Moayedi, Mehdi Raftari, Abolhasan Sharifi, Wan Amizah Wan Jusoh, Ahmad Safuan A. Rashid
Wichtige Hinweise

Publisher’s Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

This study aimed to optimize Adaptive Neuro-Fuzzy Inferences System (ANFIS) with two optimization algorithms, namely, Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) for the calculation friction capacity ratio (α) in driven shafts. Various studies are shown that both ANFIS are valuable methods for prediction of engineering problems. However, optimizing ANFIS with GA and PSO has not been used in the area of pile engineering. The training data set was collected from available full-scale results of the driven piles. The input parameters used in this study were pile diameter (m), pile length (m), relative density (Id), embedment ratio (L/D), both of the pile end resistance (qc) and base resistance at relatively 10% base settlement (qb0.1) from CPT result, whereas the output was α. A learning fuzzy-based algorithm was used to train the ANFIS model in the MATLAB software. The system was optimized by changing the number of clusters in the FIS and then the output was used for the GA and PSO optimization algorithm. The prediction was compared with the real-monitoring field data. As a result, good agreement was attained representing reliability of all proposed models. The estimated results for the collected database were assessed based on several statistical indices such as R2, RMSE, and VAF. According to R2, RMSE, and VAF, values of (0.9439, 0.0123 and 99.91), (0.9872, 0.0117 and 99.99), and (0.9605, 0.0119 and 99.97) were obtained for testing data sets of the optimized ANFIS, GA–ANFIS, and PSO–ANFIS predictive models, respectively. This indicates higher reliability of the optimized GA–ANFIS model in estimating α ratio in driven shafts.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 1/2020

Engineering with Computers 1/2020 Zur Ausgabe