پیش بینی مقاومت برشی خاک های غیراشباع در حالت کرنش صفحه یی با استفاده از روش شبکه ی عصبی مصنوعی
نویسندگان
چکیده
با توجه به هزینه ی زیاد و زمان بر بودنِ انجام آزمایش های برش مستقیم یا سه محوری روی خاک های غیراشباع، معمولاً پارامترهای مقاومت برشیِ لازم در کاربردهای عملی، با استفاده از روابط تجربی موجود پیش بینی می شوند. اما تحقیقات جدید حاکی از آن است که هیچ یک از روش های تجربی ارائه شده در ادبیات مکانیک خاک های غیراشباع تواناییِ پیش بینی مقاومت برشی همه ی انواع خاک ها را ندارند. در این نوشتار، با استفاده از نتایج آزمایش های برش مستقیمِ موجود در ادبیات مکانیک خاک های غیراشباع و نیز به منظور پیش بینی پارامتر مقاومت برشی این گونه خاک ها یک شبکه ی عصبیِ مصنوعی تربیت می شود. این شبکه ی عصبی دارای شش نرون ورودی است که چهار نرون آن شامل پارامترهای منحنی مشخصه ی آبـخاک است که با استفاده از رابطه ی بروکز و کوریمرجع{۱} به دست می آید. پارامترهای دیگر ورودی به شبکه، مقادیر مکش و فشار قائم خالص اعمالی به نمونه را شامل می شوند. به منظور اعتبارسنجی شبکه عصبی مصنوعی تربیت شده، پارامتر تنش مؤثر برای خاک هایی که شبکه در طی آموزش با آنها روبه رو نشده بود، با استفاده از این شبکه محاسبه شد. مقادیر محاسبه شده با مقادیر آزمایشگاهی به خوبی هم خوانی دارند.
منابع مشابه
پیشبینی مقاومت برشی خاکهای غیراشباع در حالت کرنش صفحهیی با استفاده از روش شبکهی عصبی مصنوعی
با توجه به هزینهی زیاد و زمانبر بودنِ انجام آزمایشهای برش مستقیم یا سهمحوری روی خاکهای غیراشباع، معمولاً پارامترهای مقاومت برشیِ لازم در کاربردهای عملی، با استفاده از روابط تجربی موجود پیشبینی میشوند. اما تحقیقات جدید حاکی از آن است که هیچیک از روشهای تجربی ارائهشده در ادبیات مکانیک خاکهای غیراشباع تواناییِ پیشبینی مقاومت برشی همهی انواع خاکها را ندارند. در این نوشتار، با استفاده از ن...
متن کاملپیش بینی مقاومت فشاری بتن حاوی خاکستر بادی، میکروسیلیس و سرباره ی مس با استفاده از روش های آماری ، شبکه ی عصبی مصنوعی و منطق فازی
در پژوهش حاضر، به پیشبینی مقاومت فشاری بتن حاوی پوزولان به کمک شبکهی عصبی مصنوعی و تحلیل رگرسیون پرداخته شده است. اطلاعات به کاررفته شامل ۸۰ نمونه است که مقاومت فشاری ۷ و ۲۸ روزهی آنها تعیین شده است. در بخش شبکهی عصبی مصنوعی از یک شبکهی پرسپترون چند لایه با الگوریتمهای متفاوت آموزشی پس انتشار خطا و تعریف یک یا چند لایهی مخفی و تعداد ۷ نورون در لایهی ورودی و ۱ نورون در لایهی خروجی استف...
متن کاملپیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی
پیشبینی پدیدههای اقتصادی ساختاری فراهم میکند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیمهای درست یاری دهد. هدف اصلی این مطالعه پیشبینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روشهای سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده میشود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...
متن کاملپیش بینی مقاومت برشی خاک های غیراشباع با استفاده از سیستم استنتاج فازی-عصبی انطباقی(anfis)و شبکه های عصبی مصنوعی
بررسی مقاومت برشی خاک غیراشباع با استفاده از تجهیزات آزمایشگاهی نسبت به حالت اشباع آن، پیچیده تر،پرهزینه تر و زمانبر تر خواهد بود. از این رو استفاده از روش های تئوری مختلف نظیر محاسبات نرم به منظور پیش بینی مقاومت برشی خاک غیراشباع بسیار کاربردی و مفید خواهد بود. در این پژوهش قابلیت سیستم استنتاج فازی- عصبی انطباقی (anfis) و دو نوع شبکه عصبی مصنوعی (mlp , rbf) به منظور تخمین مقاومت برشی خاک غیر...
مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
متن کاملپیش بینی وقوع طوفان گرد و خاک با استفاده از روش شبکه های عصبی مصنوعی (مطالعه ی موردی: شهر زابل)
طوفانهای گرد و خاک یکی از انواع رایج حوادث و فرایندهای اقلیمی در مناطق خشک، نیمهخشک و بیابانی دنیا هستند. این طوفانها هر ساله خسارتهای مالی زیادی را بر منابع انسانی وارد میسازند. پیشبینی زمان وقوع این پدیده میتواند برای اتخاذ تدابیر پیشگیرانه در مقابل خسارتهای بهداشتی، ترابری، نظامی و غیره مؤثر واقع شود. شبکههای عصبی مصنوعی روشی است که میتواند برای پیشبینی روندهای غیرخطی و فرایندهایی ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
مهندسی عمران شریفجلد ۲۰۱۱، شماره ۲، صفحات ۷۷-۸۴
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023