Zobrazeno 1 - 10
of 4 611
pro vyhledávání: '"Bridge scour"'
Autor:
Yousefpour, Negin, Wang, Bo
This paper introduces scour physics-informed neural networks (SPINNs), a hybrid physics-data-driven framework for bridge scour prediction using deep learning. SPINNs are developed based on historical scour monitoring data and integrate physics-based
Externí odkaz:
http://arxiv.org/abs/2407.01258
Autor:
Hashem, Tahrima, Yousefpour, Negin
Scour around bridge piers is a critical challenge for infrastructures around the world. In the absence of analytical models and due to the complexity of the scour process, it is difficult for current empirical methods to achieve accurate predictions.
Externí odkaz:
http://arxiv.org/abs/2404.16549
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Yousefpour, Negin, Correa, Oscar
Scour is the number one cause of bridge failure in many parts of the world. Considering the lack of reliability in existing empirical equations for scour depth estimation and the complexity and uncertainty of scour as a physical phenomenon, it is ess
Externí odkaz:
http://arxiv.org/abs/2208.10500
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Jui-Sheng Chou, Asmare Molla
Publikováno v:
Engineering Applications of Computational Fluid Mechanics, Vol 18, Iss 1 (2024)
This paper presents a pioneering artificial intelligence (AI) solution – the Arctic Tern-Optimized Weighted Feature Least Squares Support Vector Regression (ATO-WFLSSVR) system to aid civil engineers in accurately predicting scour depth at bridges.
Externí odkaz:
https://doaj.org/article/a89177a6ee724f2181015b3ed5a67e08
Bridge scour detection method based on Siamese neural networks under bridge-vehicle-wave interaction
Publikováno v:
In Ocean Engineering 15 December 2023 290