تحلیل پایداری ترانشه های مسیرهای دسترسی در محوطه برج میلاد با استفاده از روش های عددی و شبکه های عصبی مصنوعی
نویسندگان
چکیده
بررسی ویژگی های مهندسی مصالح ترانشه های آبرفتی و سیمانی شده محوطه برج میلاد تهران و نتایج تحلیل پایداری درحالت استاتیکی با استفاده از نرم افزارهای المان محدود و همچنین بررسی قابلیت شبکه های عصبی مصنوعی برای محاسبه ضرایب پایداری موضوع این مقاله است. بر اساس مشخصات هندسی ترانشه ها و ویژگی های مقاومتی و تغییرشکلی آبرفت، ضریب پایداری ترانشه ها در حالت های دو بعدی و سه بعدی، به ترتیب با استفاده از نرم افزارهای plaxis7.2 وplaxis 3d tunnel ، محاسبه و نتایج حاصل با یک دیگر مقایسه شده است. در ادامه قابلیت شبکه های عصبی مصنوعی(anns) در به دست آوردن ضریب پایداری (fos) ترانشه های مسیرهای دسترسی برج میلاد بررسی شده است. بانک اطلاعات به کار رفته در شبکه، شامل ضرایب تحلیل پایداری حاصل از 256 گزینه مختلف (2d، 3d، ترانشه افقی و یا با شیب 18 نسبت به افق در بالا) است. برای مسئله مورد نظر، برنامه شبکه های عصبی مصنوعی سه لایه پرسپترون(mlp) در محیط matlab7 نوشته شد و شبکه بهینه(تعداد لایه های مخفی، تابع تبدیل و نوع آموزش شبکه) به طریق سعی و خطا، و با توجه به شاخص های خطا و تطابق با داده ها انتخاب شد. پارامترهای ورودی شبکه شامل مشخصات ژئوتکنیکی و هندسی ترانشه ها (چسبندگی، زاویه اصطکاک، مدول یانگ، ارتفاع شیب، شیب ترانشه و زاویه اتساع) و پارامترهای خروجی شامل ضرایب پایداری در حالت های مختلف است. نتایج نشان می دهد که anns قابلیت بسیار مناسبی در تخمین ضرایب پایداری ترانشه ها در کلیه موارد بررسی شده دارد.
منابع مشابه
تحلیل پایداری ترانشههای مسیرهای دسترسی در محوطه برج میلاد با استفاده از روشهای عددی و شبکههای عصبی مصنوعی
بررسی ویژگیهای مهندسی مصالح ترانشههای آبرفتی و سیمانی شده محوطه برج میلاد تهران و نتایج تحلیل پایداری درحالت استاتیکی با استفاده از نرم افزارهای المان محدود و همچنین بررسی قابلیت شبکههای عصبی مصنوعی برای محاسبه ضرایب پایداری موضوع این مقاله است. بر اساس مشخصات هندسی ترانشهها و ویژگیهای مقاومتی و تغییرشکلی آبرفت، ضریب پایداری ترانشهها در حالتهای دو بعدی و سه بعدی، به ترتیب با استفاده از ن...
متن کاملتشخیص آنامولی های TEC قبل از وقوع زلزله های بزرگ با استفاده از شبکه عصبی مصنوعی
وقوع زلزله علاوه بر تغییر در هندسه و فیزیک پوسته زمین تأثیرات دیگری را نیز به همراه دارد. از آن جمله، تأثیر بر لایه یونسفر می‍باشد که خود را بهصورت تغییر در میزان الکترون، چگالی یونها، میدانهای الکتریکی و مغناطیسی این لایه نشان میدهد. هر پارامتر ژئوفیزیکی و ژئوشیمیایی در لایههای لیتوسفر، اتمسفر و یونسفر زمین که قبل از وقوع زلزله تغییراتی در آن پدید آید بهعنوان پیشنشانگر شناخته میشود...
متن کاملپیش بینی هزینه تکمیل پروژه های ساخت با استفاده از شبکه های عصبی مصنوعی و روش مدیریت ارزش حاصله
انحراف زمان و هزینه نهایی پروژههای ساخت نسبت به مقادیر برآورد اولیه، مسئلهای است که در تمام کشورها وجود دارد. این انحرافات سبب به وجود آمدن دعاوی متعددی می شوند؛ بنابراین باید از به وجود آمدن آنها جلوگیری شود. پیش بینی، یکی از ابزارهای مهم کنترل انحرافات زمان و هزینه پروژه است. یکی از روشهای استاندارد برای پیش بینی زمان و هزینه پروژه، روش مدیریت ارزش حاصله است. همچنین مدل سازی به کمک ...
متن کاملبرآورد تغییرات سطح پوشش جنگل های رودسر با استفاده از روش های طبقه بندی شبکه عصبی مصنوعی و حداکثر احتمال
امروزه کسب آگاهی و دانش در رابطه با پوشش گیاهی نقش مهمی را در مدیریت خاکها ایفا میکند. بااین وجود برآورد پوشش گیاهی به روش معمولی که شامل برآورد کلی از پوشش گیاهی است هم زمانبر است و هم اطلاعات چندان دقیقی را به دست نمیدهد. از این رو سنجش از دور فنآوری بسیار مفیدی است که به دلیل کاهش زمان و هزینه، بر سایر روشها ارجحیت داده میشود. در این تحقیق سعی بر آن شد با استفاده از تکنیکهای سنجش از د...
متن کاملتشخیص عیب یاتاقان های غلتشی با استفاده از سیگنال های ارتعاشی بر اساس تحلیل طیف تکین و شبکه عصبی مصنوعی
در کاربردهای صنعتی، پایش وضعیت و عیبیابی بیرینگها از اهمیت زیادی برخوردار است. تحلیل ارتعاشی، انتشار صدا، دمانگاری و تحلیل روانکار از جمله روشهای تشخیصی جهت شناسایی عیوب بیرینگها میباشند. یکی از قابل اطمینانترین روشها جهت عیبیابی تجهیزات دوار، مطالعه بر روی سیگنال ارتعاشی میباشد. تاکنون روشهای مختلفی جهت عیبیابی بیرینگهای غلتشی توسط سیگنالهای ارتعاشی در حوزه زمان ارائه شده است. بیش...
متن کاملتخمین کریپ کمپلینس مخلوط های آسفالتی با استفاده از شبکه های عصبی مصنوعی
یکی از آزمایشهای اساسی در فرایند طراحی روسازیهای انعطافپذیر به روش مکانیستیک- تجربی در آشتو 2002، آزمایش کریپ کمپلینس است. در این تحقیق مدلی جدید برای تخمین کریپ کمپلینس مخلوطهای آسفالتی با استفاده از شبکههای عصبی مصنوعی پرسپترون چند لایه، با تکنیک آموزش لونبرگ- مارکوات، با توان تعمیم پذیریR=0.949 ، با موفقیت ارائه شده است. این مدل 14 ورودی شامل درصدهای عبوری انتخابی از منحنی دانهبندی ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
زمین شناسی مهندسیجلد ۳، شماره ۲، صفحات ۶۴۹-۶۷۶
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023