Shahide Dehghan

Au cours des derni res d cennies, avec l'acc l ration de l'urbanisation et le d veloppement conomique rapide, la recherche sur le d veloppement et l'utilisation de l'espace souterrain, l'am lioration du sol, la pr vention et le contr le des catastrophes dans les domaines de la g ologie de l'ing nierie, de l'ing nierie g otechnique environnementale et d'autres domaines s'intensifie. Avec l'avanc e de la technologie informatique et le progr s de la puissance de calcul, les m thodes de simulation num rique sont devenues un moyen indispensable pour r soudre les probl mes d'ing nierie g otechnique. La plupart des m thodes num riques utilis es en g otechnique sont la m thode des diff rences finies (FDM), la m thode des l ments finis (FEM), la m thode des l ments de fronti re (BEM), la m thode d'analyse des d formations discontinues (DDA), la m thode des l ments discrets (DEM), la m thode des flux de particules (PFM), etc.

In den letzten Jahrzehnten, mit der Beschleunigung der Urbanisierung und der rasanten wirtschaftlichen Entwicklung, nimmt die Forschung zur Erschlie ung und Nutzung des unterirdischen Raums, zur Bodenverbesserung, zur Katastrophenverh tung und zum Katastrophenschutz in der Ingenieurgeologie, der Umweltgeotechnik und in anderen Bereichen zu. Mit dem Fortschritt der Computertechnologie und der zunehmenden Rechenleistung sind numerische Simulationsmethoden zu einem unverzichtbaren Mittel zur L sung geotechnischer Ingenieurprobleme geworden. Die meisten numerischen Methoden, die in der Geotechnik eingesetzt werden, sind die Finite-Differenzen-Methode (FDM), die Finite-Elemente-Methode (FEM), die Boundary-Elemente-Methode (BEM), die Methode der diskontinuierlichen Deformationsanalyse (DDA), die Diskrete-Elemente-Methode (DEM), die Partikelflussmethode (PFM), usw.

Negli ultimi decenni, con l'accelerazione dell'urbanizzazione e il rapido sviluppo economico, la ricerca sullo sviluppo e l'utilizzo dello spazio sotterraneo, il miglioramento del terreno, la prevenzione e il controllo dei disastri in geologia ingegneristica, ingegneria geotecnica ambientale e altri campi in aumento. Con l'avanzamento della tecnologia informatica e il progresso della potenza di calcolo, i metodi di simulazione numerica sono diventati un mezzo indispensabile per risolvere i problemi di ingegneria geotecnica. La maggior parte dei metodi numerici utilizzati nell'ingegneria geotecnica sono il metodo delle differenze finite (FDM), il metodo degli elementi finiti (FEM), il metodo degli elementi limite (BEM), il metodo dell'analisi delle deformazioni discontinue (DDA), il metodo degli elementi discreti (DEM), il metodo del flusso di particelle (PFM), ecc.

Nas ltimas d cadas, com a acelera o da urbaniza o e o r pido desenvolvimento econ mico, a investiga o sobre desenvolvimento e utiliza o do espa o subterr neo, melhoramento do solo, preven o e controlo de cat strofes em geologia de engenharia, engenharia geot cnica ambiental, e outras reas, est a aumentar. Com o avan o da tecnologia inform tica e o progresso do poder computacional, os m todos de simula o num rica tornaram-se um meio indispens vel para resolver problemas de engenharia geot cnica. A maioria dos m todos num ricos utilizados na engenharia geot cnica s o o m todo da diferen a finita (FDM), m todo dos elementos finitos (FEM), m todo dos elementos limite (BEM), m todo da an lise de deforma o descont nua (DDA), m todo dos elementos discretos (DEM), m todo do fluxo de part culas (PFM), etc.

Nos ltimos anos, as redes neurais artificiais (ANN) e a intelig ncia artificial (IA), em geral, t m recebido uma aten o significativa no que diz respeito s suas aplica es em v rios campos cient ficos, variando desde a grande gest o de dados at ao diagn stico m dico. As t cnicas de ANN j s o utilizadas em aplica es quotidianas, tais como an ncios personalizados, assistentes virtuais, condu o aut noma, etc. O in cio dos avan os da regenera o nas ANN pode ser tra ado desde 2005 e pode ser atribu do ao desenvolvimento de novas arquitecturas de aprendizagem, tais como redes neurais convolucionais (CNN) e redes de cren as profundas (DBN), tendo sido alcan ados at agora progressos significativos e propostas novas metodologias, tais como as redes adversas generativas (GAN). Actualmente, os modelos baseados em ANN s o amplamente utilizados em v rias formas de aplica es de engenharia.

Due to the importance of economic issues in engineering and design works, the issue of cost should be taken into consideration in the plans and implementation of construction and operation operations. In the last 50 years, the development of hardware facilities and numerical methods have made it possible to simulate the hydraulic behavior of the network even for very large networks, while the problem of determining the optimal design even for small networks remains remained. Considering that the water distribution network optimization problem is inherently a non-linear problem with a large number of discrete variables, recent research has focused on stochastic methods. Therefore, genetic algorithm was used in this research. The design of urban water transmission networks is always designed based on the minimum allowable pressure. In this research, the pressure exceeding the permissible limit is also considered as a design criterion. Although adding this parameter as a design criterion leads to a more expensive network, it leads to a longer useful life of the network. The optimization of the water distribution network using genetic algorithm (GA) technique with the design.

Ces derni res ann es, les r seaux neuronaux artificiels (RNA) et l'intelligence artificielle (IA) en g n ral ont suscit une attention particuli re en raison de leurs applications dans plusieurs domaines scientifiques, allant de la gestion des donn es massives (big data) au diagnostic m dical. Les techniques ANN sont d j utilis es dans des applications quotidiennes, telles que les publicit s personnalis es, les assistants virtuels, la conduite autonome, etc. Le d but de la r g n ration des ANN remonte l'ann e 2005 et peut tre attribu au d veloppement de nouvelles architectures d'apprentissage telles que les r seaux neuronaux convolutifs (CNN) et les r seaux de croyance profonde (DBN), avec des progr s significatifs r alis s jusqu' pr sent et de nouvelles m thodologies propos es, telles que les r seaux adversariaux g n ratifs (GAN). l'heure actuelle, les mod les bas s sur les r seaux neuronaux sont largement utilis s dans plusieurs formes d'applications techniques.

Negli ultimi anni, le reti neurali artificiali (RNA) e l'intelligenza artificiale (AI), in generale, hanno raccolto un'attenzione significativa per quanto riguarda le loro applicazioni in diversi campi scientifici, che vanno dalla gestione dei big data alla diagnosi medica. Le tecniche ANN sono gi utilizzate in applicazioni quotidiane, come la pubblicit personalizzata, gli assistenti virtuali, la guida autonoma, ecc. L'inizio della rigenerazione delle RNA pu essere fatto risalire al 2005 e pu essere attribuito allo sviluppo di nuove architetture di apprendimento come le reti neurali convoluzionali (CNN) e le reti di credenza profonde (DBN), con progressi significativi raggiunti finora e nuove metodologie proposte, come le reti generative avversarie (GAN). Attualmente, i modelli basati sulle RNA sono ampiamente utilizzati in diverse applicazioni ingegneristiche.

In den letzten Jahren haben k nstliche neuronale Netze (ANN) und k nstliche Intelligenz (KI) im Allgemeinen im Hinblick auf ihre Anwendungen in verschiedenen wissenschaftlichen Bereichen - von der Verwaltung gro er Datenmengen bis zur medizinischen Diagnose - gro e Aufmerksamkeit erregt. ANN-Techniken werden bereits in allt glichen Anwendungen wie personalisierte Werbung, virtuelle Assistenten, autonomes Fahren usw. eingesetzt. Der Beginn des Durchbruchs bei der Regeneration von ANNs l sst sich bis ins Jahr 2005 zur ckverfolgen und kann auf die Entwicklung neuartiger Lernarchitekturen wie Convolutional Neural Networks (CNN) und Deep Belief Networks (DBN) zur ckgef hrt werden, wobei bis heute erhebliche Fortschritte erzielt und neue Methoden wie Generative Adversarial Networks (GAN) vorgeschlagen worden sind. Gegenw rtig werden ANN-basierte Modelle in verschiedenen technischen Anwendungen weit verbreitet.

Forecasts of future events are required in many of the activities associated with the planning and operation of the components of a water resource system. For the hydrologic component, there is a need for both short and long-term forecasts of hydrologic time series in order to optimize the system or to plan for future expansion or reduction. This presents the comparison of different artificial neural network (ANN) techniques in short-term continuous and intermittent daily streamflow forecasting and daily suspended sediment forecasting. Three different ANN techniques, namely, feed forward back propagation (FFBP), generalized regression neural networks (GRNN) and radial basis function-based neural networks (RBF) are applied to the hydrologic data. In general, the forecasting performance of ANN techniques is found to be superior to the other conventional statistical and stochastic methods in terms of the selected performance criteria.

Les sources d'eau souterraines sont l'une des plus importantes sources d'approvisionnement en eau, leur mod lisation est donc importante. Dans le m me temps, l' tude et l'investigation des fluctuations du niveau des eaux souterraines en termes d' tudes de gestion, de cr ation de structures d'ing nierie, d'utilisations agricoles et d'obtention d'une eau souterraine de haute qualit sont d'une grande importance. La plupart de la demande en eau potable et agricole dans la plaine de Mashgin Shahr est galement fournie par les eaux souterraines. Quatre mod les d'intelligence artificielle, dont le r seau neuronal avant, le r seau neuronal arri re, la logique floue Sagno et la machine vecteur de support ont t utilis s pour pr dire le niveau des eaux souterraines.

Le sorgenti d'acqua sotterranee sono una delle pi importanti fonti di approvvigionamento idrico, pertanto la loro modellazione importante. Nel frattempo, lo studio e l'indagine delle fluttuazioni del livello delle acque sotterranee in termini di studi di gestione, creazione di strutture ingegneristiche, usi agricoli e ottenimento di acqua sotterranea di alta qualit di grande importanza. La maggior parte della domanda di acqua potabile e agricola nella pianura di Mashgin Shahr fornita anche attraverso l'acqua sotterranea. Per prevedere il livello delle acque sotterranee sono stati utilizzati quattro modelli di intelligenza artificiale, tra cui la rete neurale forward, la rete neurale backward, la logica fuzzy di Sagno e la macchina vettoriale di supporto.