|
|
ارزیابی قابلیت اطمینان انواع مدلهای عرض تخریب سکو در موجشکنهای سکویی؛ مطالعه موردی موجشکن بندر شهید بهشتی
|
|
|
|
|
نویسنده
|
شابختی ناصر ,خرقانی محمد حسین
|
منبع
|
مهندسي دريا - 1402 - دوره : 19 - شماره : 39 - صفحه:50 -64
|
چکیده
|
از آنجایی که روابط مختلفی برای محاسبه عرض تخریب در موجشکن سکویی ارائه گردیده است لذا ارزیابی این روابط در قالب احتمالاتی یکی از اساسیترین مباحث مهندسی دریا میباشد. در این تحقیق قابلیت اطمینان یا مکمل آن احتمال خرابی عرض تخریب سکوی موجشکن بندر شهید بهشتی بر اساس شش مدل تورِم (2007)، مقیم و همکاران (2011)، لیک اندرسن و همکاران (2014)، مقیم و علیزاده (2014)، ون در میر و سیگاردرسن (2016) و احسانی و همکاران (2020) مورد بررسی قرارگرفته است. برای محاسبه احتمال خرابی و شاخص قابلیت اطمینان از چهار روش اولین مرتبه قابلیت اطمینان form، دومین مرتبه قابلیت اطمینان sorm، نمونهگیری مونته کارلو monte carlo (mcs) و نمونهگیری با اهمیت important sampling (is) استفاده شده و احتمال خرابی سکوی موجشکن مورد مطالعه در حالت عمق آب حداکثر و ارتفاع موج با دوره بازگشت 100 ساله بر اساس مدلهای مختلف ذکرشده تعیین گردیده است. نتایج نشان میدهد که روش mcs بالاترین احتمال خرابی را در مدل مقیم و همکاران (2011) با مقدار حدود 0.69 و کمترین مقدار را در مدل تورِم (2007) با مقدار نزدیک 0.29 ارائه مینماید. بعلاوه مدل ون در میر و سیگاردرسن (2016) و مدل مقیم و علیزاده (2014) به ترتیب با مقدار 0.57 و 0.50 و مدل لیک اندرسن و همکاران (2014) و مدل احسانی و همکاران (2020) به ترتیب با مقدار 0.42 و 0.38 بیشترین و کمترین احتمال خرابی را ارائه مینمایند. بدین ترتیب نتایج به دست آمده نشان میدهد که مدلهای احسانی و همکاران (2020) و تورِم (2007) که برای موجشکنهای ایسلندی توسعه پیدا کردهاند دارای کمترین مقدار احتمال خرابی بوده و مدلهای مقیم و همکاران (2011) و مقیم و علیزاده (2014) که برای موجشکنهای شکلپذیر ارائه شدهاند، بیشترین احتمال خرابی را ارائه مینمایند. در ادامه آنالیز حساسیت انجام گرفته و تاثیر متغیرهای مختلف مورد بررسی قرار گرفته است.
|
کلیدواژه
|
موجشکنهای سکویی، تحلیل قابلیت اطمینان، تحلیل حساسیت، مدلهای عرض تخریب
|
آدرس
|
دانشگاه علم و صنعت ایران, دانشکده مهندسی عمران, ایران, دانشگاه علم و صنعت ایران, ایران
|
پست الکترونیکی
|
m_kharaghani@civileng.iust.ac.ir
|
|
|
|
|
|
|
|
|
reliability evaluation of different models' recession failure in berm breakwaters; case study shahid beheshti port breakwater
|
|
|
Authors
|
shabakhty naser ,kharaghani mohammad hossein
|
Abstract
|
since various relationships have been presented to calculate the recession in the berm breakwater, the evaluation of these relationships in the form of probabilistic is one of the most basic topics in marine engineering. in this study, the failure probability or in complementary the reliability for recession of shahid beheshti port berm breakwater is investigated based on six models of torum (2007), moghim et al. (2011), lykke andersen et al. (2014), moghim and alizadeh (2014), van der meer and sigurdarson (2016) and ehsani et al. (2020). four methods of first-order reliability method (form), second-order reliability method (sorm), monte carlo simulation (mcs) and importance sampling (is) are applied to obtained the failure probability and reliability index for breakwater at the maximum water depth and 100-year wave height. the results of the mcs show the highest failure probability belongs to moghim et al. (2011) model with a value of about 0.69, and the lowest value possess to the torum (2007) model with a value of about 0.29. in addition, van der meer and sigurdarson (2016) and moghim and alizadeh (2014) models give the failure probabilities of 0.57 and 0.50 respectively and likke andersen et al. (2014) and ehsani et al. (2020) models presented the failure probabilities of 0.42 and 0.38 respectively. according to these results, ehsani et al. (2020) and torum (2007) models which developed for icelandic breakwaters have the lowest probability of failure. furthermore, models of moghim et al. (2011) and moghim and alizadeh (2014) which presented for reshaping breakwaters have the highest probability of failure. next, sensitivity analysis was performed and the impact of different variables on the probability of failure was investigated.
|
Keywords
|
berm breakwater ,reliability analysis ,sensitivity analysis ,recession models
|
|
|
|
|
|
|
|
|
|
|